国际REITs与石油市场之间的价格和波动联系.docx

1、行业跟踪报告报告正文国际 REITs 与石油市场之间的价格和波动联系（Price and volatility linkages between international REITs and oil markets）请务必阅读正文之后的信息披露和重要声明- 2 -文献来源：Saban Nazlioglu, Rangan Gupta, Alper Gormus, Ugur Soytas Energy Economic（s2020）推荐理由：本文研究分析了 19 个 REITs 市场和石油市场之间的价格和波动传递。本研究推论，油价可用于预测 REITs 价格，但REITs 对油价的反馈结果不明显

2、从波动性来看，大多数市场中都观察到了双向传递的有力证据，其总体上是稳健的，本文进一步证明了在价格传导过程中持续考虑稳健结构变化的重要性。行业跟踪报告1. 引言现在有广泛的证据表明，将不动产纳入混合资产组合可以获得收益（Hoesli 等人，2004；MacKinnon 和Al Zaman，2009；Hoesli 和 Reka，2013；Bouri 等人， 2018）。但是，由于不动产拥有较高的单位价值和极低流动性，投资不动产市场也可能会出现问题。因此，在过去的几十年里，证券化的不动产市场，即 REITs 的重要性大幅增长，总市值高达 1.7 万亿美元（全球REITs 市场，EY 全球不动产报告

3、2016）。虽然美国仍然是 REITs 市场的领导者（市值为 1.15 万亿美元），但现在提供 REITs 作为投资工具的国家数量在过去 10 年几乎翻了一倍，而目前总市值则高达 37 万亿美元。REITs 部门吸引投资资本的能力并不令人惊讶，因为无论投资组合的大小，所有投资者都可以投资。鉴于 REITs 在投资组合中公认的重要性，投资者的一个重要问题是要了解是市场。此外，鉴于不动产行业在最近的全球金融危机中发挥了公认的作用，而且 REITs 数据可以在没有测量误差的情况下高频获得（与住房市场不同），同时它又是整个不动产行业的良好代表（Akinsomiet al.，2016）。因此，早期发现

4、该行业在冲击后的路径，对政策制定者来说也是一个同样重要的问题（Gupta 和 Marfatia，2018；Gupta 等， 2019）。在这个问题上，研究主要分析了货币政策和宏观经济新闻冲击对REITs 市场的影响（例如，见Bredin 等人（2007，2011），Xu 和 Yang（2011），Claus 等人（2014），Kroencke 等人（2016），Marfatia 等人（2017），Nyakabawo 等人（2018）。由于 REITs 股票作为普通股票进行交易，并且存在大量分析石油冲击对国际股票市场价格和/或回报和波动的文献（例如，见Degiannakis 等人（2018），以

5、及 Smyth 和 Narayan（2018）的详细评论），缺乏对 REITs 的类似研究是相当令人困惑的。一方面，Huang 和 Lee（2009）采用 Chan 和 Maheu（2002）提出的自回归条件跳跃强度模型来捕捉时变跳跃（即突然而非平滑的结构性中断）现象的特征，并研究了预期和意外原油波动对美国整体 REITs 指数的影响。分析结果显示，REITs 的回报率随着预期油价的上升而上升，并提供了一部分的对冲效果。此外，本文还表明，石油对 REITs 的影响比普通股票和债券市场更大。另一方面，Nazlioglu 等人（2016）研究了油价和波动率对美国六类REITs 的第一和第二时刻的作

6、用。住宅、酒店、医疗保健、零售、抵押和仓库/工业 REITs。在经济学上，这项研究提出了一种新的因果关系方法，即用 Fourier 近似法增强 Toda 和 Yamamoto（1995）的方法，以捕捉渐进或平滑的转变，而这又不需要关于结构性中断的数量、日期和形式的预先知识。使用这个测试，作者们发现从油价到所有 REITs 的单向因果关系；在后一种情况下，除了抵押类REITs，剩余因果关系的运行方向都是相反的。此外，基于 Hafner 和Herwartz（2006）的因果关系检验，Nazlioglu 等人（2016）表明石油市场和所有 REITs之间的波动性传导是双向的。总之，这两项研究显示了油

7、价对美国 REITs 的第一和第二时刻的重大影响，同时也表明了可能的反馈作用。Huang 和 Lee（2009） 以及Nazlioglu 等人（2016）的研究结果指出，在最近石油市场金融化之后（Bahloul 等人，2018），石油和金融市场之间的联系加强了，后者还包括 REITs请务必阅读正文之后的信息披露和重要声明- 9 -部门。换句话说，由于投资者进行的投资组合分配，这两个市场的变动有可能在价格和波动性两个层面上相互影响（Tiwari 等人，2018）。此外，鉴于（不动产）公司的股票价格等于未来现金流贴现的预期现值（Huang 等人，1996），石油价格冲击可以通过影响当前和未来的现金

8、流来直接影响 REITs 的价格，或者通过影响用于贴现未来现金流的利率来间接影响（Kaminska 和Roberts-Sklar, 2018）。此外，石油和不动产市场都可能受到与产出、通货膨胀和利率相关的共同冲击的影响（Breitenfellner 等，2015），导致石油和 REITs 的第一和第二时刻的间接联系。在此背景下，我们旨在将涉及REITs 和石油市场的价格和波动的因果影响的有限文献扩展到国际层面（涉及 19 个国家/地区）。在这方面，基于数据的可用性， 我们分析了处于不同发展阶段的多个 REITs 市场，并对应于成熟（美国）、成熟（澳大利亚、比利时、加拿大、法国、德国、中国香港、

9、日本、荷兰、新西兰、新加坡和英国）市场和新兴（爱尔兰、意大利、马来西亚、墨西哥、南非、西班牙和土耳其）市场的不同类别。为了实现我们的目标，从计量经济学模型的角度来看，我们使用基于 Fourier- based 的Toda 和 Yamamoto（1995）价格因果关系测试版本（由 Nazlioglu 等人（2016）开发），以及修改后的 Hafner 和Herwartz（2006）因果关系测试与 Fourier 近似（由于 Pascalau 等人（2011）和Li 和Enders（2018）。这两个模型都考虑了结构性转变，作为渐进过程纳入涉及石油和 REITs 市场第一和第二时刻运动的关系中。考

10、虑到与金融和商品市场相关的（高频）数据会发生结构性变 化，对制度变化的核算至关重要，更重要的是，无法对结构性中断进行建模会导致不正确的推论（Kim 等人，2007；Salisu 和 Fasanya，2013；Gil-Alana 等人， 2016）。据我们所知，这是第一次基于结构性转变的Granger 因果关系的测试，我们分析了石油和国际 REITs 市场之间的价格和波动性溢出效应。我们的论文可以被认为是 Huang 和 Lee（2009）工作的延伸，从超越美国的角度出发，利用对价格和波动性的标准 Granger 因果关系测试的方法进步来研究第一和第二时刻。与Nazlioglu 等人（2016）

11、相比，我们再次提供了一个国际视角，尽管与他们不同的是，我们没有研究特定行业的 REITs（由于缺乏这些国家的数据），而是集中研究整体的 REITs。虽然与 Nazlioglu 等人（2016）一样，我们使用了考虑到平稳制度变化的因果关系的一元检验，但我们与他们不同，在分析波动性溢出时， 我们以平稳的方式考虑到结构性中断，提供了方法上的创新。总之，我们的分析在两个方面扩展了文献：国际证据和方法。本文的其余部分组织如下：第 2 节讨论了检验价格和波动性的因果关系的方法。第 3 节介绍了数据及其属性，以及结果关系测试的结果。最后，第 4 节总结了我们的结果，并得出了我们结果的含义。2. 计量经济学方

12、法2.1. 检验结构性变化的价格传导为了检验价格传导，我们从 Granger（1969）建立的基本 因果关系 模型开始。Granger 将 VAR（p）模型定义为其中 yt 包括内生变量，是截距项的向量，=（1,.,p）是参数，ut 是白噪声残差。在我们的设定中，yt 涉及石油价格和国际REITs。没有 Granger 因果关系的无效假设（Ho : 1 = . = p = 0）可以用Wald 统计量来检验，它具有 p 自由度的齐次分布。如果 VAR 模型中的变量是整合的或共同整合的，那么无 Granger 因果关系的 Wald 统计量不仅具有非标准分布，而且还取决于干扰参数（Toda and

13、Yamamoto, 1995; Dolado and Lutkepohl, 1996）。为了克服这些缺点， Toda 和 Yamamoto（1995）（以下简称 TY）用变量的水平来估计 VAR（p+d）模型，其中 d 是变量的最大单位根程度。公式(1)是基于这样的假设：yt 中不存在任何结构性中断，因此截距项在一段时间内是不变的。Ventosa-Santaulria 和 Vera-Valds(2008)证明了一个渐进的结果，即如果在估计中忽略了数据生成过程中的结构性中断，那么 Wald 统计量会拒绝无效假设。Enders 和 Jones（2016）也通过蒙特卡洛模拟证实了这个结果。作者指出，

14、在 VAR 模型中忽略结构性中断会导致 Granger 因果关系测试的规模扭曲。他们进一步发现，除非对断裂点进行适当的建模，否则它也倾向于过度拒绝无效假设。因此，当结构性中断被忽视或不适当地考虑时，标准 Granger 因果关系分析的推论可能会被误导（Enders 和 Jones，2016）。在 VAR 规范中，控制结构性中断并确定中断的原始来源是很困难的，因为一个变量的中断可能会导致其他变量的转变（Ng 和 Vogelsang，2002；Enders 和 Jones， 2016）。传统上采用虚拟变量的方法来模拟断裂的尖锐过程（例如，Perron，1989； Zivot 和 Andrews，1

15、992；Lee 和 Strazicich，2003）。然而，相当一部分结构性变化是渐进性的。为了部分弥补这一问题，采用了平滑过渡法（除此之外，Leybourne 等人，1998；Kapetanios 等人，2003）。这两种方法的核心问题是，它们需要知道函数形式和断点的数量。为了解决这些问题，人们提出了基于 Gallant（1981）提出的灵活 Fourier 形式的变体的 Fourier 近似法来捕捉结构性转变（见 Becker 等人，2006；Enders 和Lee，2012a，2012b；Rodrigues 和 Taylor，2012）。Fourier 近似法不需要关于断裂形式和数量的先

16、验知识，并将结构转移作为一个渐进/平滑的过程来捕获。通过利用这种灵活性来简化转移形式的确定以及 VAR 框架中的中断数量和日期的估计，Enders 和 Jone（s 2016）、Nazlioglu 等人（2016，2019）和 Gormus等人（2018）在最近的研究中采用了 Fourier 近似法。Nazlioglu 等人（2016）通过放宽截距项随时间变化而不变的假设，扩展了采用Fourier 近似的 TY 框架，并将 VAR（p+d）模型定义为其中截距项(t)是时间的函数，表示 yt 的任何结构性转变。为了将结构性转变作为一个具有未知日期、数量和断裂形式的渐进过程，Fourier 近似值

17、被定义为其中 n 是频率的数量，1k 和2k 分别衡量频率的振幅和位移。将公式（3）代入公式（2），我们可以得到值得注意的是，大的 n 值最有可能与随机的参数变化有关，并减少了自由度。另一方面，单一的 Fourier 频率可以模仿确定性成分的各种断裂，因此也可以使用单一的频率成分（见，Becker 等人，2006）。具有单一频率的(t)被定义为其中 k 表示频率。在单一频率的情况下，我们将公式（5）代入公式（2），得到 (5)代入公式(2)，得到在 Toda-Yamamoto 框架中，格兰杰非因果关系的无效假设是基于对感兴趣的变量的前 p 个参数的零限制（Ho : 1 = . = p = 0）

18、Wald 统计量具有自由度为 p的齐次分布。最近的因果关系文献中使用了引导分布，以增加小样本中测试统计量的力量，以及 k 表示频率的情况。在单一频率的情况下，我们将公式（5）替换为公式（6）。(5)代入公式(2)，得到对数据的单位根和协整属性的稳健性(见 Mantalos, 2000; Hatemi-J, 2002; Hacker and Hatemi-J, 2006; Balcilar et al., 2010)。除了使用渐近的齐次分布外，我们还通过采用最初由 Efron（1979）提出的残差抽样引导方法来获得 Wald 统计量的引导分布。Nazlioglu 等人（2019）为了比较 Fo

19、urier TY 方法与 TY 检验的规模和功率特性，进行了 Monte Carlo 模拟。结果显示，随着观测值数量的增加，虽然渐进分布和引导分布之间的差异消失了，但在因果关系分析中考虑结构转移的重要性变得更加明显。此外，虽然 TY 检验在大样本中具有严重的规模失真，但 Fourier TY 检验具有良好的规模特性。公式（4）和（6）都需要确定 Fourier 频率成分的数量和滞后长度。我们按照常见的方法来确定因果关系分析中的最佳滞后数。我们首先将 Fourier 频率和滞后期的数量设定为一个最大的标量，然后逐一缩小到 1，然后选择使 Akaike 或 Schwarz 等信息准则最小的最佳频率

20、和滞后期组合。2.2. 检验结构性变化的波动性传导我们还通过采用 Hafner 和Herwartz（2006）开发的拉格朗日乘数（LM）波动率溢出检验来研究 REITs 和石油市场之间的波动率互动关系。特别是在分析国际市场时，与 Cheung 和Ng（1996）以及Hong（2001）的方法相比，LM 检验提供了更准确的结果（Gormus，2016）。为了得到 LM 检验，对系列 i 和 j 进行 GARCH（1,1）估计。i 的GARCH（1,1）规格为其中 xit 是外生变量，𝜀𝑖𝑡 是表示实值信息的误差项，𝜎2⻕

21、4;𝑡 是条件方差。𝜔𝑖 0,𝛼𝑖, 𝛽𝑖 0是为了保证条件方差的非负性，同时𝛼𝑖, 𝛽𝑖 1是为了保证有限方差。我们对系列 i 的所有假设也适用于系列 j。在对 i 和 j 的GARCH（1,1）模型进行估计后，我们定义了其中𝜀2𝑖𝑡是系列 i 的标准化残差，𝜎2𝑖𝑡分别是系列 j 的平方干扰项和波动率。对无波动性传递的零假

22、设（H0 : = 0）与波动性传递的另一假设（H0: 0）进行检验。LM 统计量被定义为zjt 中的错误指定指标的数量会影响检验统计量的渐近分布，因此𝜆𝐿𝑀具有两个自由度的齐次分布。公式(8)中的条件方差没有任何结构性变化，受到常数项𝜔𝑖，ARCH 项𝛼𝑖和 GARCH项𝛽𝑖的影响。最近关于波动率建模的文献表明，长期波动率过程也会受到结构变化的影响（参见 Stric 和 Granger, 2005; Diebold 和 Inoue, 2001, Mik

23、osch 和Stric, 2004）。如果波动率过程有结构性变化，那么传统的 GARCH(1,1)模型可能不足以模拟长期波动率。Pascalau 等人（2011），Teterin 等人（2016）以及 Li 和 Enders（2018）最近表明，条件方差的结构性变化可以用 Fourier 近似法很好地近似，这不需要关于方差变化的数量、日期和形式的先验信息。此外，Fourier 近似法可能更适合于金融数据，因为在一个长的金融序列中可能会出现几个断点，可能难以识别（Li and Enders, 2018）。传统的 GARCH 模型可以被重新定义，以包括条件方差水平的中断（Pascalau 等人，2

24、011；Li 和 Enders，2018），具体如下：其中i(t)现在取决于时间。为了捕捉波动过程中的任何变化，i(t)被 Fourier 近似，公式(8)被重新写成公式（10）中的检验统计量可以根据式（12）得到，我们将其称为 Fourier 𝜆𝐿𝑀(𝐹𝜆𝐿𝑀)。由于使用 Fourier 近似并不改变 zjt 中错误指定指标的数量，所以𝐹𝜆𝐿𝑀遵循一个具有两个自由度的渐近齐次分布。公式（12）需要确定 Fourier

25、频率成分的数量。正如 Pascalau 等人（2011）所讨论的，人们可以从 Akaike 或 Schwarz 信息准则中获益。我们首先定义最大的 Fourier 频率数，然后选择最小化信息准则的最佳频率。3. 数据和实证结果3.1. 数据我们的分析利用了十九个国家/地区（澳大利亚、比利时、加拿大、法国、德国、中国香港、爱尔兰、意大利、日本、马来西亚、墨西哥、荷兰、新西兰、新加坡、南非、西班牙、土耳其、英国和美国）的 REITs 指数的每日观测值和油价。REITs 数据来源于 Thom-son Reuters 的数据流数据库，不动产数据对应于每个国家/地区的标准普尔 REITs 投资组合。至于

26、石油价格，我们使用布伦特原油的每日价格， 因为它是全球石油采购的基准价格，并用于为全球三分之二的国际交易原油供应定价。数据来自圣路易斯联邦储备银行的弗雷德数据库。为避免汇率波动的影响， REITs 和石油价格数据均以美元计算。图 A1 中显示了数据的图形版本，附录部分的表A1 总结了描述性统计数据。预计 REITs 数据的时间跨度因国家/地区而异（详见表 A1），爱尔兰的样本最短（2013 年 12 月 24 日至 2019 年 3 月 11 日），美国的样本最长（1989 年 7 月 31 日至 2018 年 9 月 13 日）。除了石油和 REITs 价格的计量经济学“非正态性”，值得注意

27、的是，在所考虑的数据样本中，这些变量以一致的方式经历了多重制度变化。这一事实进一步支持了我们的决策，即使用包含各种结构性突破的模型分析价格和波动性传导。为了继续进行 Granger-Type 价格传导分析的 TY 方法，需要确定变量单位根的最大积分数（d）。为了实现这一点，我们对 Dickey 和 Fuller（1979）进行了增强的 Dickey 和 Fuller（ADF）测试，Zivot 和 Andrews（1992）开发了一个结构断裂的ADF 测试（ZA-ADF），Enders 和 Lee（2012b）开发了 Fourier 近似的 ADF 测试（F-ADF）。表 1 报告了这些单位根测

28、试的结果。虽然单位根检验不能拒绝 1%显著性水平的石油价格水平单位根的无效假设，但它们强烈支持关于石油价格第一个差异平稳性的证据。REIT 系列也有类似的发现。因此，变量（d）的最大积分等于 VAR（p+d）模型中的一。3.2. 主要结果表 2 报告了价格传递分析的结果。为了确定 TY 测试中的最佳滞后以及 Fourier- TY 方法中的最佳 Fourier 频率和滞后，我们将最大频率数设置为 3，滞后设置为5。通过最小化Akaike 信息准则确定最佳频率和滞后。TY 检验的结果（见表 2 的 A 组）表明，根据 Bootstrap 分布，在九个国家/地区（澳大利亚、中国香港、日本、新西兰、

29、新加坡、英国、爱尔兰、意大利和马来西亚）至少在 10%个显著水平上拒绝了从石油价格到 REITs 的无价格传递的零假设。这一结果意味着，在这些国家/地区，油价对 REIT 存在信息传递，因此具有预测能力。TY 测试无法考虑 VAR 模型中可能的结构变化的作用。众所周知， 2007/2008 年金融危机后，石油价格呈现出不同的趋势和波动动态。为了考虑到这种结构变化的作用，我们需要知道变化的日期、数量和形式，这在实践中对应用行业跟踪报告研究来说是一个挑战。Fourier 近似能够有效地解决这个问题，因为它不需要任何断点的日期、数字和函数形式的知识。表 2 数据面板 B 中的 Fourier-TY

30、因果关系分析结果与 TY 方法的结果基本相似，但有几个重要的例外。具体而言，Fourier- TY 方法没有提供证据证明在澳大利亚和英国存在从石油价格到 REIT 的价格传导，而传统的 TY 方法表明存在这种传导。关于REITs 向油价的价格传递，TY 检验表明，五个国家（即加拿大、德国、日本、美国和西班牙）拒绝了无传递的零假设。当在估算中考虑到结构变化时，即使传输结果适用于加拿大、德国、美国和西班牙，但在日本的情况下，它消失了。Fourier- TY 方法进一步显示了从 REITs 到墨西哥石油价格的传递，而传统的 TY 方法没有。本质上，REITs 和石油市场之间的价格传导主要集中在成熟市

31、场，尽管在爱尔兰、意大利、马来西亚、墨西哥和西班牙等新兴 REITs 市场发现了一些证据。根据匿名推荐人的建议，这些结果的图形摘要现已在本文附录的图A2 中提供。如果我们仔细观察结果，我们会发现，对于拥有成熟和成熟的 REIT 市场（以及一般金融市场）的经济体而言，从出口和进口两方面来看，REIT 市场在石油市场中也扮演着重要角色（例如，加拿大、德国、日本和美国），有证据表明，REIT 基金部门与石油市场之间存在因果关系。不动产行业被视为宏观经济的领先指标（Stock 和 Watson，2003），因此其对产出的影响会渗透到石油市场，而石油市场已知会受到经济活动的影响（Gupta 和 Woha

32、r，2017）。对于石油市场参与者相对较少但在一定程度上建立了 REIT 部门的国家/地区，或者对于马来西亚和墨西哥等即使有新兴REIT 也拥有国内石油储备的经济体，从石油市场到 REIT 托部门都存在因果关系。在这些情况下，石油市场可能通过石油价格对整个金融市场的影响（Balcilar 等人，2015 年）或对产出的影响（甚至通胀和利率（Gupta 和Kotz， 2017 年）影响 REIT 基金市场，这反过来往往会影响到金融市场的一个部门，如REIT，尤其是当其成熟时，或通过石油收入确实在其收入中发挥重要作用的国家/地区的经济。当我们考虑市场之间的信息传递时，除了分析数据的水平（平均价格传

33、递）之外， 我们还看风险转移维度（波动传递）。由于价格传导分析的计量经济学性质，确定的相互作用可以解释为一种长期现象。然而，波动传递分析与短期相关。该分析尤其重要，因为套期保值策略不仅需要了解资产类别之间的波动溢出，而且在短期内，风险相互作用的识别更为相关，因为风险感知可能会迅速变化（Nazlioglu 等人，2016）。Hafner 和Herwartz（2006）进行的波动性传递 LM 测试的结果如表 3 所示。注意，𝜆𝐿𝑀是基于方差公式（8）的波动传递测试，该公式不考虑结构断裂，而𝐹𝜆𝐿

34、9872;是波动传递 Fourier LM 基于方差公式（12）的测试，该公式解释了 REIT 基金和石油回报的条件方差中的结构性中断。请务必阅读正文之后的信息披露和重要声明- 18 -𝜆𝐿𝑀 检验表明，在 13 个案例中（至少在 10%的显著性水平上）拒绝了从油价到REIT 的无波动传输的无效假设，但在 6 个案例中（新西兰、爱尔兰、意大利、马来西亚、墨西哥和西班牙）不能拒绝。这些结果也得到了𝐹𝜆𝐿𝑀的支持，但马来西亚的情况除外，该情况证明了石油向 REIT 基金的显著波动传递。关

35、于 REIT 基金向油价的波动传递，𝜆𝐿𝑀检验表明，只有在三种情况下英国、爱尔兰和马来西亚不能拒绝无传递的无效假设。换句话说，REIT 基金市场的波动影响了 16 个国家石油市场的风险（至少达到 10%的显著水平）。即使我们控制波动过程的平稳变化，这一证据仍然成立，因为𝐹𝜆𝐿𝑀检验得出了相同的结论。因此，这些发现意味着，有强有力的证据表明，石油和 REIT 基金市场之间存在风险传递，并且相互作用似乎是双向的，正如 Nazlioglu 等人（2016）在美国的案例中所发现的那样。换句话

36、说，石油市场和我们测试的大部分国际 REIT 之间存在风险传递反馈。同样，与价格水平因果关系一样，基于一位匿名仲裁人的建议，现在在本文附录图A3 中提供了这些效用溢出结果的图形摘要。当我们一起解释价格和波动传递测试的结果时，我们观察到与价格互动相比， REIT 基金和石油市场之间风险传递的更有力证据（无论不动产行业的发展水平如何）。这两个市场在两个方向上相对较强的波动性或不确定性溢出的结果并不一定令人惊讶。我们这样说是因为，众所周知，石油市场的波动会导致经济不确定性（Hailemariam 等人，2019），这反过来会影响 REIT 市场的波动性（Ajmi 等人， 2015），就像整体金融市场

37、一样（Chulia 等人，2017）。与此同时，不动产市场的不确定性影响了整体宏观经济的不确定性（Gabauer 和 Gupta，2020），由于这些经济体中的每一个都与石油市场密切相关，作为主要出口国或进口国，总体宏观经济的不确定性会波及到石油市场的波动性。还请注意，特定经济体中的 REIT 基金市场不确定性可能会溢出到其他经济体的 REIT 基金和股权（Hoesli 和 Reka， 2015），并且，考虑到金融市场的相互关联性，REIT 基金市场也处于不同的发展阶段（Bouri 等人，2019），考虑到商品市场的金融化，也会影响石油市场的不确定性（Bonato，2019）。换句话说，REI

38、T 基金的波动可以直接影响石油市场的波动，或者通过其他REIT 基金市场的国际溢出影响石油市场的波动。3.3. 稳健性检查根据一位匿名仲裁人的建议，我们使用所有国家/地区的共同样本，重复分析了REIT 和石油市场之间的价格和波动溢出效应。同一样本期（2013 年 12 月 24 日至 2018 年 9 月 13 日）的 TY 因果关系测试结果见论文附录中的表A3。九个国家（德国、日本、荷兰、新西兰、新加坡、英国、比利时、爱尔兰和马来西亚）至少在 10%的显著性水平上拒绝了油价向 REIT 基金传递价格的无效假设。Fourier- TY 因果关系分析的结果支持这些发现，德国、荷兰和新西兰除外。关

39、于 REIT 基金对油价的价格传递，TY 检验表明，六个国家（即加拿大、法国、德国、日本、墨西哥和西班牙）拒绝了无传递的零假设。这些发现（只有德国例外）也得到了Fourier 变换方法的支持。同一样本期的 TY 因果关系测试结果与表 2 中报告的特定国家/地区样本期的 TY 因果关系测试结果基本一致。从石油价格到 REIT 基金的因果关系，只有少数例外是中国香港、比利时和意大利。具体而言，在 2013 年12 月 24 日至 2018 年 9 月 13 日期间，即使中国香港和意大利的因果联系消失， 比利时也会出现。对于 REIT 基金与油价之间的因果关系，虽然法国存在因果关系，但在 2013

40、年 12 月 24 日至 2018 年 9 月 13 日期间，美国的因果关系再次消失。同一样本期（2013 年 12 月 24 日至 2018 年 9 月 13 日）的波动率传递测试结果见本文件附录中的表A4。再次注意，𝜆𝐿𝑀检验不考虑结构性中断，而𝐹𝜆𝐿𝑀检验考虑了 REIT 和石油回报的条件方差中的结构性中断。𝜆𝐿𝑀检验表明，九个案例（法国、德国、中国香港、日本、新加坡、美国、比利时、墨西哥和南非）的无波动传递从油价到REITs 的

41、零假设至少在 10%的显著水平上被拒绝。然而，𝐹𝜆𝐿𝑀检验仅在三种情况下（日本、新加坡和美国）支持这一证据。对于从 REITs 到油价的波动性传递，𝜆𝐿𝑀检验表明，仅在五个显著水平的德国、中国香港、日本、美国和墨西哥，拒绝传输的零假设仅被拒绝。但是，当我们考虑到方差变化时，这一证据仍然只适用于日本和墨西哥。当我们将这些发现与表 3 中的结果进行比较时，2013年 12 月 24 日至 2018 年 9 月 13 日期间，波动过程中结构变化的作用更为明显， 这意味着石油和 REITs

42、市场之间的风险传导机制可以以渐进的方差变化为特征。鉴于这一时期石油市场的动荡，这并不奇怪。但总体而言，我们确实倾向于发现证据表明，这两个市场的波动溢出效应比价格水平因果关系更为重要。4. 结论近年来 REIT 基金的快速增长使其成为重要的投资组合选择。此外，不动产业在推动最近的金融危机中所起的作用也被广泛接受。正如任何其他投资工具一样， 随着 REIT 市场规模和影响力的扩大，投资者和决策者了解影响该资产组动态的外部驱动因素变得非常重要。随着商品市场变得更加金融化（Henderson 等人， 2014；Adams 和Glck，2015），它们倾向于与其他金融市场进一步互动，从而改变其投资组合和

43、经济影响。尽管能源市场是整个大宗商品市场的一部分，但许多研究表明，能源市场对金融市场产生了强大的影响特别是石油。鉴于这些研究的发现和 REIT 基金市场日益增长的影响，评估 REIT 基金对石油市场波动的价格和波动敏感性非常重要。在本文中，我们评估了 19 个处于不同发展阶段的国际 REITs 市场。此外，我们试图验证任何建议与新开发的计量经济技术相互作用的稳健性，以最小化可能的数据和基于研究者的偏见。在这一过程中，我们的目标是增加只专注于美国 REIT 基金的有限资金。我们的研究结果表明，REIT 基金市场和石油市场之间存在双向波动传递，这与REIT 基金市场的演化状态无关。相比之下，价格水

44、平的传输较弱，主要局限于成熟市场。对于波动性和价格传导研究，对渐进结构变化的解释表明，一些国家/地区的结果不同，而另一些国家/地区的结果得到了证实。波动溢出比价格水平因果关系更重要这一基本观点在各国较短的共同样本期内仍然成立。这些发现对学术界、投资者和决策者具有重要意义。就学术研究人员而言，我们表明，在分析 REIT 基金与石油市场之间的相互作用时，为了得出适当的统计推断，将渐进的结构变化纳入模型框架至关重要。缺乏这种统计控制很容易产生错误的推论特别是在第一时刻。从 REITs 投资者的角度来看，了解这些市场之间的相互作用可以改善短期和长期投资组合策略，特别是在我们的结果表明的成熟市场。特别是

45、波动传递结果表明，包含 REIT 的投资组合降低了石油市场的多元化能力。最后，由于双向反馈效应，冲击对任一市场的负面影响可能会延长， 反过来，这可能会产生长期的经济后果（Nguyen Thanh 等人，2018；van Eyden 等人，2019）。因此，政策制定者需要更加关注这些市场之间的相互作用，因为历史已经证明，即使是短期冲击也可能对长期经济有害。虽然我们的研究表明这些市场之间存在有趣的相互作用，但并未分析驱动石油市场的具体冲击，这是我们分析的一个局限性。例如，文献表明，由不同结构冲击引起的油价波动，如石油特定供应、需求和库存冲击，以及由全球经济活动变化引起的需求冲击，往往会对资产市场

46、产生不同的影响（Kilian，2009；Kilian 和Murphy，2014）。作为未来研究的一部分，分析这些不同的石油冲击，而不是石油总价格，对国际 REIT 市场的影响将是有趣的。此外，由于样本内的可预测性不能保证样本外的收益，因此将我们的分析扩展到一个全面的预测活动也是很有趣的。附录表 A1.简要统计资料来源：International Review of Economics and Finance，整理表 A2.美国与 WTI 价格的因果关系分析的结果。资料来源：International Review of Economics and Finance，整理表 A3.同一样本期（20

47、13 年 12 月 24 日-2018 年 9 月 13 日）的因果关系测试结果。资料来源：International Review of Economics and Finance，整理表 A4.同一样本期（2013 年 12 月 24 日-2018 年 9 月 13 日）的波动率溢出测试结果。资料来源：International Review of Economics and Finance，整理图 A1.数据图资料来源：International Review of Economics and Finance，整理图 A2.(a)无移位的价格因果关系测试结果的图形表示。(b). 平滑移动

48、的价格因果关系测试结果的图形表示。注：见表 2 的结果资料来源：International Review of Economics and Finance，整理图 A3.数据图资料来源：International Review of Economics and Finance，整理风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在宏观政策、市场环境发生变化时模型存在失效的风险。参考文献1. Ambrose, B. W., S. R. Ehrlich, W. T. Hughes, and S. M. Wachter. (2000). REIT Economies of Sca

49、le: Fact orFiction, Journal of Real Estate Finance and Economics 20(2).2. Bers, M., and T. M. Springer. (1997). Economies of Scale for Real Estate Investment Trusts, Journal of Real Estate Research 14(3), 275290.3. Capozza, D. R., and P. J. Seguin. (2000). Debt, Agency and Management Contracts in Reits: The External Advisor Puzzle, Journal of Real Estate Finance and Economics 20(2).4. Chen, K. C., and D. D. Tzang. (1988). Interest Rate Sensitivity of Real Estate Investment Trusts, Journal of Real Estate Research 3(3