PENGARUH HARGA MINYAK TERHADAP RETURN SA (1)

PENGARUH HARGA MINYAK TERHADAP RETURN SAHAM

PADA NEGARA CINA, INDONESIA, JEPANG, DAN

KOREA SELATAN

PROPOSAL TESIS

JOHANNA B KRISTIANTI SITINJAK

1306497150

FAKULTAS EKONOMI

PROGRAM STUDI MAGISTER MANAGEMEN

KEKHUSUSAN MANAJEMEN KEUANGAN

UNIVERSITAS INDONESIA

JAKARTA

KOREA SELATAN

PROPOSAL TESIS

Diajukan Sebagai salah satu syarat mengikuti Karya Akhir

JOHANNA B KRISTIANTI SITINJAK

1306497150

FAKULTAS EKONOMI

PROGRAM STUDI MAGISTER MANAGEMEN

KEKHUSUSAN MANAJEMEN KEUANGAN

UNIVERSITAS INDONESIA

JAKARTA

DAFTAR ISI

HALAMAN JUDUL ……….. i

DAFTAR ISI………... ii

BAB 1 PENDAHULUAN……….. 1

1.1 Latar Belakang………. 4

1.2 Perumusan Masalah ……… 5

1.3 Tujuan Penelitian………. 5

1.4 Manfaat Penelitian………... 5

1.5 Metodologi Penelitian………. 5

1.6 Batasan Penelitian……… 6

1.7 Sistematika Penulisan………. 6

BAB 2 DASAR TEORI……… 8

2.1 Dampak Fluktuasi Harga Minyak Terhadap Aktivitas Ekonomi… 8 2.2 Dampak Fluktuasi Harga Minyak Terhadap Pasar Modal……….. 11

2.3 Penelitian Terdahulu……… 14

BAB 3 METODOLOGI……… 16

3.1 Data………. 16

3.2 Uji Stasionaritas……….. 16

3.3 Uji Root Test……….. 17

3.4 Cointeragation……… … 18 3. 5 Vector Autoregression Test……….. 20

1.1 Latar Belakang

2

Setelah itu, harga minyak stabil dan meningkat ke tingkat yang lebih normal. Selama Perang Teluk Persia pada 1990-1991 harga minyak mengalami lonjakan, yang diikuti oleh penurunan setelah perang berakhir. Hal yang sama berlaku untuk krisis keuangan Asia pada tahun 1997, di mana bisa dilihat pada tahun 1998 ketika harga turun di bawah $ 12 per barel (Hamilton, 2010). Harga minyak dunia mengalami volatilitas yang luar biasa selama krisis keuangan tahun 2008, dengan harga mulai dari puncak hampir $ 150 per barel pada Juli ke level terendah sekitar $ 40 per barel pada Desember (EIA laporan 2013). Dalam tahun-tahun setelahnya, harga minyak bergerak di kisaran antara $ 90 dan $ 130 per barel. Harapan masa depan untuk meningkatkan pertumbuhan ekonomi di tahun-tahun setelah resesi global 2008-2009 dan kerusuhan di Afrika Utara dan Timur Tengah telah membantu menjaga harga relatif tinggi, dengan harga spot minyak mentah rata-rata $ 112 per barel pada tahun 2012

.

4

pertumbuhan ekonomi juga meningkat. Namun, yang terjadi pada akhir-akhir ini adalah banyak kondisi ekonomi di beberapa negara malah menjadi lesu, salah satu contohnya adalah Jepang. Hal itu disebabkan akibat lebih dari 90 persen dari kebutuhan domestik Jepang dikuasai dan dipasok oleh perusahaan – perusahaan minyak. Bagaimanakah dengan Indonesia sebagai negara yang memproduksi minyak mentah?Penelitian ini bertujuan untuk mengetahui bagaimana keadaan di empat Negara yang termasuk dalam G20 yaitu Cina, Jepang, Indonesia, dan Korea Selatan yang berada dalam satu grup yang sama. Penelitian ini ditujukan untuk meneliti bagaimana kondisi ekonomi keempat negara tersebut denga meneliti hubungan antara perubahan harga minyak dengan ekonomi makro dan hubungan antra harga minyak dengan pasar modal.

1.2 Perumusan Masalah.

Telah banyak literatur telah menyelidiki dampak dari fluktuasi harga minyak pada perekonomian. Meningkatnya peran pasar modal di ekonomi telah menarik mintat untuk penelitian lebih lanjut tentang hubungan antara harga minyak dan pasar saham. Selain itu, literatur yang ada mengenai hubungan antara fluktuasi harga minyak dan pasar saham, lebih sering menyelidiki Amerika Serikat (AS). Oleh karena itu juga menarik untuk meneliti dampak pada pasar saham di negara-negara lain. Berdasarkan studi sebelumnya tesis ini akan menganalisis hubungan antara fluktuasi harga minyak dan pasar saham di negara –negara aggota Group 5 G-20 (Cina, Indonesia, Jepang, dan Korea Selatan. Analisis ini didasarkan pada pernyataan masalah berikut:

Apakah dampak fluktuasi harga minyak return saham Cina, Indonesia, Jepang, dan Korea Selatan?

Berikut tiga sub-pertanyaan akan membantu dalam menjawab pernyataan masalah:

2. Apakah fluktuasi harga minyak non-linear berdampak pada return saham dari Cina, Indonesia, Jepang, dan Korea Selatan?

3. Apakah fluktuasi harga minyak asimetris berdampak pada return saham dari Cina, Indonesia, Jepang, dan Korea Selatan?

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk menganalisis dampak fluktuasi harga minyak di pasar keuangan dalam Cina, Indonesia, Jepang, dan Korea Selatan. Ada tiga aspek yang berbeda dari dampak terhadap return saham yang akan diselidiki; linear, non-linear dan asimetris. Tiga aspek akan dianalisis dengan menggunakan vektor autoregresi terbatas (VAR) model dengan data bulanan untuk periode antara 2004 dan 2014. Model VAR dasar digunakan dalam tesis mengandung empat variabel: tingkat suku bunga, harga minyak yang nyata, produksi industri dan real return saham.

1.4 Manfaat Penelitian

Penelitian ini diharapkan dapat berguna untuk beberapa pihak diantaranya adalah: Pemerintah

Bagi pemerintah, dengan mengetahui apakah harga minyak dunia yang berfluktuatif mempengaruhi perkembangan pasar modal dan dapat menentukankebijakan yang paling baik

Akademia

Penelitian ini diharapkan dapat menjadi bantuan untuk peneliti selanjutnya untuk melakukan penelitian lanjut pada bidang ini.

1.5 Metodologi penelitian

6

1.6 Batasan Penelitian

Ketika memeriksa dampak guncangan harga minyak di pasar saham, analisis akan terbatas pada Cina, Indonesia, Jepang, dan Korea Selatan pada periode 2004 sampai 2014. Alasan untuk memilih terutama negara-negara tersebut adalah akses data yang dapat dipercaya, dan ketergantungan yang tinggi dari minyak sebagai komoditas. Sebagian besar model akan sama seperti pada penelitian yang dilakukan oleh oleh Sadorsky (1999), Park and Ratti (2008), Cong et al. (2008) dan Ono (2011). Tesis ini mengkaji dampak dari fluktuasi harga minyak ke pasar saham, menggunakan model VAR terbatas. Seperti disebutkan ada tiga jenis hubungan yang diselidiki, yaitu linear, non-linear dan hubungan asimetris. Untuk alasan ini, tidak akan membuat penyelidikan lebih lanjut dari pengaruh volatilitas harga minyak ke pasar saham, mengikuti definisi populer dari skala perubahan harga minyak oleh Lee, Ni dan Ratti (1995). Penelitian ini juga tidak akan melakukan analisis mengenai pemisahan fluktuasi harga minyak ke fluktuasi permintaan dan penawaran, dan bagaimana berbagai jenis fluktuasi mungkin memiliki efek yang berbeda pada pasar saham, seperti yang dinyatakan oleh Kilian (2006, 2009).

1.7 Sistematika Penelitian

Bab I

Mengenai latar belakang penulisan tesis, perumusan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, batasan penelitian, dan sistematika penyusunan.

Bab II

Mengenai landasan teori yang akan digunakan untuk penelitian ini. BAB III

Mengenai metodologi penelitian. Yaitu tentang pengumpulan data, jenis dan sumber data, model ekonometrika dan metode analisis

BAB IV

BAB 2

LANDASAN TEORI

2.1 Dampak Fluktuasi Harga Minyak Terhadap Aktivitas Ekonomi.

negara-10

untuk model non-linear juga menyarankan kenaikan harga minyak memiliki dampak yang lebih besar pada PDB dari penurunan harga minyak

2.2 Dampak Fluktuasi Harga Minyak Terhadap Pasar Modal.

12

14

menggunakan data harian dari Januari 1996 sampai Desember 2005, dan menemukan hubungan negatif yang signifikan antara fluktuasi harga minyak nonlinear dan return saham AS. Akhirnya, Ono (2011) meneliti dampak harga minyak terhadap return saham nyata bagi Brazil, Rusia, India dan China (BRIC). Dia menggunakan model VAR dengan data dari Januari 1999 hingga September 2010 untuk menguji respon fluktuasi harga minyak linear, non-linear dan asimetris. Hasil penelitian menunjukkan bahwa tingkat pengembalian saham riil China, India dan Rusia srcara statistik signifikan positif terhadap beberapa indikator harga minyak, sedangkan hasilnya tidak signifikan secara statistik untuk Brasil. Selain itu, penelitian menemukan efek asimetris yang signifikan secara statistik untuk India, sementara di kasus Brazil, China dan Rusia tidak ada efek asimetris yang ditemukan.

Oil price volatility has a negative and significant effect on future gross domestic product (GDP) and after adding new variable, oil price change, the volatility effect becomes more significant, which means that both variables are significant.

But, after controlling for Hamilton’s (2003) nonlinear oil shock measure, both the oil price change and its volatility lose their

significance. Sadorsky,P. (1999).

“Oil Price Shocks and Stock Market Activity”

GARCH(1,1) model generate the conditional variance that are closely related to ∆lo.

Negative correlation between ∆lo and rsr and also between ∆lr and rsr are generated from VAR variance-covariance matrices.

Variance decompositions conclude that all the shocks are captured mostly from the

movement in itself.

Yoon, S.M. (2009).

“Forecasting Volatility of Crude Oil Markets”

in modeling and forecasting the volatility persistence than GARCH and IGARCH models

Narayan, P.K. and Narayan, S. (2007).

“Modelling Oil Price Volatility”

Oil price shocks have both permanent and inconsistent asymmetric effects on volatility

Narayan, P.K. and Narayan, S. (2009). “Modelling the Impact of Oil Prices on Vietnam’s Stock Prices”

There is a cointegration between all the variables

Long run elasticity finds a positive relationship from oil prices and exchange rates to stock prices

Park, J. and Ratti, R.A. (2008). “Oil Price Shocks and Stock Markets in the U.S. and 13 European Countries”

Real stock returns are affected by oil price shocks and the resut is robust

US have significantly different result with some European countries in how the increase in oil price volatility affect the stock market Papapetrou, E. (2001). “Oil Price

Shcoks, Stock Market, Economic Activity, and Unemployment in Greece”

BAB 3

METODOLOGI

3.1 Data

Dalam tesis ini, penulis akan memeriksa bagaimana dampak fluktuasi harga minyak terhadap return saham di Cina, Indonesia, Jepang, dan Korea Selatan. Negara-negara ini dipilih berdasarkan ketergantungan mereka pada minyak sebagai komoditas, dan ketersediaan data. Penelitian ini akan menggunakan. The data bulanan dari Januari 2004 sampai Desember 2014. Variabel return saham riil, produksi industri, suku bunga dan harga minyak, dan juga akan digunakan dalam penelitian ini. Pengembalian saham riil yang digunakan adalah perbedaan antara compounded return indeks harga saham dan tingkat inflasi yang diberikan oleh log perbedaan harga konsumen. Indeks harga saham semua indeks MSCI dikumpulkan dari Thomson Reuters Datastream (DS). Sebagai ukuran aktivitas ekonomi produksi industri yang digunakan. Suku bunga jangka pendek dikumpulkan dari situs bank sentral masing –masing Negara (Cina, Indonesia, Jepang, dan Korea Selatan). Variabel terakhir adalah harga minyak,), penentuan harga minyak dunia diperoleh dari situs www.data360.org.. Variabel lain yang digunakan adalah indeks harga konsumen dan nilai tukar. Sebagai ukuran tingkat inflasi menggunakan Consumer Price Index (CPI) yang didapatkan dari situs http://www.inflation.eu/. Nilai tukar nominal adalah nilai tukar USD ke mata uang masing-masing negara.

3.2 Uji Stasionaritas

variabel-benar diamati (Carter, Griffiths & Lim, 2011, hal. 476). Ini berarti bahwa time series yt stasioner pada saat:

- Constant mean E

₍

y_t

₎

=μ

- Constant Variance var

(

yt

)

=σ

2

- Covariance depends on s not t cov

(

y_t, y_t+s

)

=cov

(

y_t, y_t−s

)

=γ_s

Jika time series mengandung tren stokastik atau tren deterministik, ada pelanggaran dari seri stasioner, dan time series menjadi non-stasioner. Jika time series yt adalah non-stasioner dapat menyebabkan regresi menjadi salah. Konsekuensi dari hal ini adalah bahwa t-statistik tidak dapat diandalkan, dan hasilnya mungkin menunjukkan hubungan yang signifikan yang salah (Carter, Griffiths & Lim, 2011).

3.3 Uji Root test

Ada beberapa metode untuk menguji apakah time series stasioner. Metode yang akan digunakan dalam penulisan ini adalah tes Dickey-Fuller (Dickey & Fuller, 1979). Tes dasar dipekerjakan untuk menyelidiki keberadaan unit akar dalam model autoregressive orde pertama (AR(1)):

y_t=α+ρ y_t−1+v_t

Sebelum melakukan tes kedua sisi persamaan dikurangi untuk membuatnya lebih nyaman, dan di mana 1 dan menjadi:

∆ y_t=α+γ y_t−1+v_t

Untuk menguji stasioneritas perlu memeriksa nilai ρ jika nilai ρ adalah salah satu atau secara signifikan kurang dari satu, seri menjadi non-stasioner. Maka hipotesanya menjadi:

Ho γ=0; H₁:γ<0

18

& Lim, 2011, hal. 484) . Untuk menguji stasioneritas dalam model dengan dinamika yang lebih rumit, tes Dickey-Fuller ditambah dilakukan. Persamaan tes diperpanjang kini dinyatakan oleh: diungkapkan di atas (Carter, Griffiths & Lim, 2011). Salah satu kelemahan dengan uji Dickey-Fuller adalah bahwa t-statistik bukan merupakan t-distribusi, dan Dickey Fuller dan (1979) telah mentabulasikan nilai kritis baru yang berlaku untuk uji Dickey-Fuller (Wooldridge, 2009). Sebuah time series stasioner dikatakan terintegrasi akan orde nol, I (0). Serangkaian yang nonstasioner dapat dibuat stasioner dengan mengambil perbedaan pertama, maka dikatakan diintegrasikan order satu, I (1). Urutan integrasi seri menceritakan jumlah akar unit yang terkandung dalam seri (Carter, Griffiths & Lim, 2011).

3.4 Cointegration

Setelah kerja uji stasioneritas besar kemungkinan hasilnya akan menyarankan bahwa beberapa variabel non-stasioner, dan tidak boleh digunakan dalam model. Namun, jika satu atau lebih variabel yang berkointegrasi masalah regresi palsu akan hilang. Jika diasumsikan bahwa model regresi berikut memberikan

hubungan antara yt dan xt: α+βxt+et . Ketika dua variable yt dan xt keduanya adalah variabel non-stasioner I (1), itu juga akan diharapkan perbedaan mereka atau kombinasi linear dari mereka juga adalah saya (1). Intuitif ini juga berarti

bahwa istilah kesalahan e_t adalah stasioner. Selain itu, variabel non-stasioner tidak memiliki kecenderungan untuk kembali ke mean dalam jangka

3.4.1 Johansen Cointegration Test

Untuk menguji apakah variabel non-stasioner yang berkointegrasi akan digunakan tes Johansen. Tes ini mengikuti dari model VAR order p, :

y_t=A y_t−1+…+A_py_t−p+u_t

di mana yt adalah vektor variabel non-stasioner, dan ut adalah vektor inovasi. dengan mengurangi yt-1 adalah dari kedua sisi persamaan:

∆ y_t=∏ y_t−1+

∑

hubungan kointegrasi yang signifikan. Namun, jika

_∏

¿n , maka kombinasi linear stasioner. Johansen menguji jumlah hubungan kointegrasi dengan memeriksa akar karakteristik (Greasly & Oxley, 2010, hal. 24). Metode Johansen mengusulkan dua statistik uji kointegrasi, yang pertama menjadi trace test. Pertama, memerintahkan n karakteristik akar dari matriks π dilambangkan 1>

2>n . Sehingga trace test adalah:

Uji kedua adalah maximum eigenvalues test :

λ_{(r ,r+1)}=−Tln(1−^λr+1)

20

3.5Vector Autoregression Test.

Model vektor autoregressive (VAR) diperkenalkan oleh Sims (1980), dan merupakan model ekonometrik sering digunakan untuk menangkap hubungan antara variabel ekonomi. Lebih khusus, model VAR adalah suatu system persamaan di mana semua variabel diperlakukan sebagai endogen. Dengan demikian, masing-masing variabel dalam sistem dinyatakan sebagai kombinasi nilai-nilai lagged linear sendiri dan lagged nilai-nilai dari semua variabel lain dalam sistem (Baltagi, 2003). Secara umum, diberi satu set K variabel time series, sebuah VAR order p, di mana p merupakan jumlah tertinggal, dapat dinyatakan sebagai:

y_t=A y_t−1+…+A_py_t−p+u_t

Dimana yt= [y1t….yKt] adalah vektor kolom pengamatan nilai-nilai masa lalu dari semua variabel dalam model, Ai adalah matriks K x K dari koefisien, dan ut= [u1t….uKt] adalah vektor kolom istilah kesalahan yang tidak teramati. Istilah kesalahan diasumsikan proses independen rata- rata nol white noise dengan invariant waktu, pasti positif matriks kovarians. Selanjutnya, u tidak berkorelasi, tetapi mungkin memiliki korelasi (Baltagi, 2003). Satu keuntungan dengan model ini adalah bahwa di sisi kanan dari persamaan hanya tertinggal nilai muncul, dan estimasi OLS menghasilkan estimasi yang konsisten. Bahkan jika inovasi ut yang memiliki korelasi, OLS akan efisien.

informasi Bayesian (BIC) untuk memilih panjang lag yang tepat, dan akan digunakan dalam tesis ini. Untuk mencegah kesalahan spesifikasi model jumlah lag yang meminimalkan nilai kriteria informasi yang dipilih.

3.5.1 Analisa Respon Impuls

Model VAR umum (p) mungkin berisi banyak parameter, yang embuatnya sulit untuk menafsirkan interaksi antara variabel dalam model. Untuk alasan ini fungsi respon impuls digunakan untuk meneliti interaksi dinamis antara variabel dalam model. Jika proses yt adalah I (0) model VAR dapat ditulis sebagai vektor rata-rata bergerak (VMA):

y_t=❑₀u_t+❑₁u_t−1+❑₂u_t−1+… . ,

Dimana 0 IK , and s adalah: ❑_s=

∑

j=1

s

❑_s−jA_j¿s=1,2,… .

Elemen (i,j) dari matriks s menunjukkan hasil yang diharapakan dari yt,t+s terhadap perubahan unit didalam yjt yang berisis dari nilai masa lalu akan yt konstan. Peningkatan satu unit dalam inovasi uit akan berdampak pada yit pada yt=

[yt-1,yt-2,…] . Oleh karena itu, unsur-unsur s merupakan respon impuls dari komponen yt sehubungan dengan inovasi ut. Dalam kasus di mana I (0), sebagai s

menjadi tidak terbatas, sehingga s akan menjadi 0, sehingga pengaruh akan berkurang dari waktu ke waktu. Namun, salah satu kelemahan fungsi impulse response adalah bahwa hal itu tidak masuk akal untuk berpikir bahwa fluktuasi yang terjadi di isolasi, ketika komponen ut yang instan berkorelasi. Baltagi (2003) berpendapat bahwa solusi untuk masalah dimaksud adalah dengan menggunakan inovasi orthogonal. Dalam tesis ini inovasi akan diubah menjadi inovasi orthogonal dengan menggunakan dekomposisi Cholesky dari matriks kovarians.

Fluktuasi orthogonal kemudian akan diberikan oleh εt=P−1ut . Dari persamaan

VMA maka:

22

Dimana i= iP(1=1,2,…) dan 0 =P adalah segitiga bawah. Dalam kata lain inflasi dalam variabel pertama akan memiliki dampak langsung pada variabel

lain, sedangkan inflasi dalam variabel kedua tidak akan memiliki dampak langsung pada yit , Tetapi hanya untuk variabel yang tersisa. Inovasi orthogonal kemudian berkorelasi di kedua waktu dan persamaan. Salah satu kelemahan dengan transformasi inovasi orthogonal adalah bahwa urutan residu mungkin memiliki dampak yang besar terhadap inflasi (Baltagi, 2003, hal. 693-694).

3.5.2 Dekomposisi Varians

Alat lain untuk menafsirkan model VAR adalah perkiraan error dekomposisi varians. Brooks (2003, hal. 242) menggambarkan dekomposisi varians sebagai "own’ shocks, versus shocks to the other variables ". Perkiraan kesalahan dekomposisi varians dihitung dengan memulai dengan persamaan VAR di mana T adalah asal perkiraan dan h-step diperkirakan diberikan oleh:

Jika h> 1, maka perkiraan eror adalah:

Dekomposisi varians juga digunakan untuk menmukan inovasi orthogonal

ϵt=

(

ϵ1t, … .,ϵKt

)

=P

−1

ut , dimana P adalah triangular matriks yang

menghasilkan PP’= ∑u.

Selanjutnya (i,j) merupakan elemen dari n menjadi ij,n dan berdasarkan asumsi ε kt maka perkiraan kesalah varians menjadi:

Keadaan (❑kj ,0 2

+…+❑kj ,h−1 2

fluktuasi dalam variable i. Sehingga akhirnya persamaan diatas dapat dibagi

dengan σk

2

(h) menjadi:

DAFTAR PUSTAKA

Bernanke, B.S. 1983. “Irreversibility, Uncertainty and Cyclical Investment”. Journal of Economics 98: 85-106.

Bollerslev, T. 1986. “Generalized Autoregressive Heteroskedasticity”. J. Economet. 52: 307-327.

Brooks, C. 2008. Introductory Econometrics for Finance. New York: Cambridge University Press.

Burbidge, J. and Alan Harrison. 1984. “Testing for the Effects of Oil Price Rises Using Vector Autoregressions”. International Economic Review Vol. 25, No. 2. Cong, R.G., Yi-Ming Wei, Jian-Lin Jiao, and Ying Fan. 2008. “Relationships between Oil Price Shocks and Stock Market: An Empirical Analysis from China”. Energy Policy 36: 3544-3553.

Duncan, R. C. 2001. “The Peak of World Oil Production and the Road to the Olduvai Gorge” Population and Environment 22(5): 503-522.

Ferderer, J.P. 1996. “Oil Price Volatility and the Macroeconomy”. Journal of Macroeconomics Vol. 18 1: 1-26.

Franses, P.H. and Dick van Dijk. 2009. “Time Series Models for Business and Economic Forecasting”. Working Paper. Cambridge University Press.

Guo, H. and Kevin L. Kliesen. 2005. “Oil Price Volatility and U.S.

Macroeconomic Activity”. Federal Reserve Bank of St. Louis Review 87(6): 669-683.

Hamilton, J.D. 1983. “Oil and the macroeconomy since World War II”. Journal of Political Eonomy 92(2): 228-248.

Hamilton, J.D. 1994. “Time Series Analysis”. Princeton: Princeton University Press.

Henriques, I. and Perry Sadorsky. 2011. “The Effect of Oil Price Volatiity on Strategic Investment”. Energy Economics 33: 79-81.

Hill, R.C., William E. Griffiths, and Guay C. Lim. 2008. Principles of Econometrics. Hoboken, NJ: Wiley.

Johansen, S. and Katarina Juselius. 1990. “The Full Information Maximum Likelihood Procedure for Inference on Cointegration with Application to the Demand for Money. Oxford Bulletin of Economics and Statistics 52: 169-210. Kang, S.H., Sang-Mok Kang, and Seong-Min Yoon. 2009. “Forecasting Volatility of Crude Oil Markets”. Energy Economics 31: 119-125.

Kuper, G.H. 2002. “Measuring Oil Price Volatility”. Working Paper. University of Groningen.

Lee, B.S. 1992. “Causal Relations among Stock Returns, Interest Rates, Real Activity, and Inflation”. The Journal of Finance Vol. 47, 4: 1591-1603. Lee, K., Shawn Ni, and Ronald A. Ratti. 1995. “Oil Shocks and the

Macroeconomy: The Role of Price Variability”. Energy Journal Vol. 16: 39-56. Leonard, J. 2011. “A Macroeconomic Model of Key Commodity Prices: Quantifying the Impact of China”. MAPI Report (ER-714).

Narayan, P.K. and Seema Narayan. 2007. “Modelling Oil Price Volatility”. Energy Policy 35: 6549-6553.

Narayan, P.K. and Seema Narayan. 2010. “Modelling the Impact of Oil Prices on Vietnam’s Stock Prices”. Applied Energy 87: 356-361.

Papapetrou, E. 2001. “Oil Price Shocks, Stock Market, Economic Activity and Employment in Greece”. Energy Economics 23: 511-532.

Park, J. and Ronald A. Ratti. 2008. “Oil Price Shocks and Stock Markets in the US and 13 European Countries”. Energy Economics 30: 2587-2608.

Rafiq, S., Ruhul Salim, and Harry Bloch. 2009. “Impact of Crude Oil Price Volatility on Economic Activities: An Empirical Investigation in the Thai Economy”. Resources Policy 35: 121-132

Sadorsky, P. 1999. “Oil Price Shocks and Stock Market Activity”. Energy Economics 21: 449-469.

Sadorsky, P. 2004. “Stock Markets and Energy Prices”. Encyclopedia of Energy, vol. 5. Elsevier, New York: 707-717.

Uri, N.D. 1980. “Energy as a Determinant of Investment Behavior”. Energy Economics 2: 179-183.