Abstract : | Η αγορά εμπορευμάτων είναι ένας κρίσιμος σύντροφος για την ανθρωπότητα για χιλιάδες χρόνια. Ακόμη και πριν από τις γνώσεις που κατέχουμε σήμερα σχετικά με τον τρόπο λειτουργιάς της αγοράς και των επενδύσεων, η ανθρωπότητα εμπορεύεται αγαθά και εμπορεύματα περίπου από το 4500 - 4000 π.Χ. σύμφωνα με ιστορικά στοιχεία. Ακόμη και πριν από το οργανωμένο εμπόριο που αργότερα ονομάστηκε αγορά (ή μάρκετ-μπαζάρ σε πιο κοινότυπους όρους), οι άνθρωποι είχαν ήδη μια βασική αντίληψη του εμπορίου με τη μορφή ενός συστήματος ανταλλαγής, στο οποίο ένα αγαθό ή ένα αντικείμενο ανταλλάσσονταν για ένα άλλο. Αυτό συνέβαινε πριν από την εισαγωγή ενός νομίσματος, το οποίο έδωσε μια ομόφωνη αξία και διευκόλυνε τη διαδικασία, το εμπόριο ήταν και είιναι ένα ζωτικό μέρος της κοινωνικής προόδου.Σήμερα, τα εμπορεύματα αποτελούν αναπόσμαστο κομμάτι της παγκόσμιας οικονομίας. Αποτελούμενο από αντικείμενα όπως πρώτες ύλες, ενεργειακά εμπορεύματα και γεωργικά προϊόντα, το εμπόριο βασικών εμπορευμάτων αποτελεί ουσιαστικό στοιχείο για πολλές βιομηχανίες που λειτουργούν σήμερα, είναι συχνά η πιο κρίσιμη εξαγωγή για ορισμένες χώρες, συμβάλλοντας ουσιαστικά στο ΑΕΠ μιας χώρας.Το 2022 τα στοιχεία υποστηρίζουν ότι η βιομηχανία εμπορίας εμπορευμάτων ξεπέρασε τα 100 δισεκατομμύρια δολάρια σε μικτό περιθώριο. Οι ειδικοί ευαγγελίζονται τη σημασία της συμπερίληψης ποικίλων επενδύσεων σε ένα επιτυχημένο χαρτοφυλάκιο, προτείνοντας ότι ένα χαρτοφυλάκιο οφείλει να έχει στο 5-10% του μεριδίου της επένδυσής του διάφορα περιουσιακά στοιχεία εμπορευμάτων για μια κερδοφόρα απόδοση. Οι μεταβλητές που εμπλέκονται σε αυτήν την επιλογή είναι το θέμα πολλών συζητήσεων, καθώς οι διαφορετικές εξελίξεις των τιμών των εμπορευμάτων έχουν διαφορετική σημασία για τα οικονομικά αποτελέσματα.Σκοπός της παρούσας έρευνας είναι τόσο η ποιοτική όσο και η ποσοτική αξιολόγηση του προτεινόμενου ερωτήματος, εάν οι κρίσεις στην προσφορά και τη ζήτηση ενός εμπορευματικού περιουσιακού στοιχείου ή μιας ομάδας εμπορευμάτων έχουν επιπτώσεις στη συσχέτιση των εμπορευματικών περιουσιακών στοιχείων. Αυτή η αξιολόγηση βασίζεται στη θεωρία που προτείνεται από τους Greenwood et al. (2018). Βασιζόμαστε στην ιδέα που προτείνεται από αυτήν την ομάδα επιστημόνων, οι οποίοι προτείνουν ότι τα σοκ προσφοράς και ζήτησης έχουν σημασία για το διαχωρισμό των αγορών, εστιάζουμε τις προσπάθειές μας για να δοκιμάσουμε αυτή τη θεωρία στον χώρο της αγοράς εμπορευμάτων. Αυτό επιτυγχάνεται ουσιαστικά με τη χρήση προόδων από τη βιβλιογραφία μηχανικής μάθησης και ανάλυσης κειμένου, η οποία θα συζητηθεί σε βάθος αργότερα.Τα βήματα που λάβαμε για να αξιολογήσουμε αυτήν την πρόταση είναι με τη δημιουργία πινάκων συντελεστών συσχέτισης. Με δεδομένα που συλλέγονται από τον Δείκτη Εμπορευμάτων Goldman Sachs για μια καθορισμένη χρονική περίοδο, στην ενότητα Μεθοδολογία εξετάζουμε τον τρόπο με τον οποίο χρησιμοποιήθηκαν τα δεδομένα και οι πίνακες που προέκυψαν. Χρησιμοποιώντας ορισμένα εμπορεύματα ως δείκτες, εμβαθύνουμε στο θέμα των σοκ στην αγορά περιουσιακών στοιχείων εμπορευμάτων, βλέποντας με πιο οργανικό τρόπο την αγορά να δρα και να αντιδρά σε κρίσεις προσφοράς και ζήτησης. Στο τμήμα Αποτελέσματα έχουμε την ευκαιρία να αναλύσουμε τους πίνακες σε μια προσπάθεια να δούμε ποιοτικά και ποσοτικά αποτελέσματα που μας βοηθούν να προσεγγίσουμε τον βαθμό συνεπαγωγής, με διάφορους συντελεστές - και τους πίνακες που είναι ουσιαστικά σύνθετοι συντελεστές συσχέτισης - οι οποίοι είναι καταλυτικοί συντελεστές στη λήψη ενός τελικού συμπεράσματος. Commodity Asset Market have been a crucial companion to humanity for thousands of years. Even prior to our current knowledge regarding the intricate functions of investment and trading we possess today, humanity has been trading goods and commodities since 4500 - 4000 BC according to historic evidence; even before the organized trading later known as market, humans had an archaic understanding of trading in the form of a barter system, in which a good or object was traded for another. That was the case before the induction of a currency to denote the value of a good, object or service, trading has been a vital part of societal advancement. Today, commodities make up a vital part of the global economy. Consisting of assets such as raw materials, energy commodities and agricultural products to name a few, commodity trading is an essential input for numerous industries functioning today, it is often the most crucial export for certain countries, contributing substantially to a country’s GDP. In 2022 data supports that the commodity trading industry surpassed $100 billion in gross margin. Experts preach the importance of the inclusion of diverse investment in a successful portfolio, suggesting that a portfolio ought to have 5-10% of its investment include various commodity assets for a profitable return. The variables involved in that choice is the topic of many conversations, as different commodity price developments matter differently for financial outcomes. The purpose of this research is both the qualitative and quantitative evaluation of the proposed question, whether shocks in supply and demand of a commodity asset or a group of commodities have an implication and effect for the correlation of commodity assets. This assessment is built on the theory proposed by Greenwood et al. (2018). We expand on the concept proposed by that group of scientists, who suggest that supply and demand shocks matter for the segmentation of markets, we focus our efforts to put that theory to the test within the commodity market space. This is essentially achieved by employing advances from the machine learning and textual analysis literature, which will be discussed more in depth later on. The steps we took to assess this proposition is by constructing matrices of correlation coefficient matrices. With data gathered from Goldman Sachs Commodity Index over a set period of time, in the Methodology section we go over the way the data was utilized and the resulting matrices characterized. Using certain commodities as placeholders, we delve deeper into the matter of shock implication in the commodity asset market, seeing in a more organic way the market acts and reacts to supply and demand shocks. In the Results segment we get the chance to look over the matrices in an attempt to draw both quality and quantity results that help us approximate the degree of implication, with various coefficients - and the tables which are essentially compounded correlation coefficients - telling the story better than we could and aiding us in reaching a concise Conclusion.
|
---|