Credit Risk and mild explosivity of Credit Default Swaps in the Corporate Energy Sector


Texto completo


Recent Credit risk and Bubble behavior in the 

corporate energy sector 

Isabel Figuerola‐Ferretti 


, Ignacio Cervera 




Quantitative  Finance  Group, ICADEUniversidad  Pontificia  Comillas, Calle  Alberto  Aguilera  23,  28015  MadridSpain  &  Research  Centre  for  Energy  Management,  ESCP  Europe Business School 

ICADEUniversidad Pontificia Comillas, Calle Alberto Aguilera 23, 28015 MadridSpain 




This paper analyzes the relationship between oil and credit risk in the energy sector over the  last  two  oil  price  crises.  We  measure  credit  risk  in  energy  corporations  using  CDS  prices  and  assess  whether  credit  risk  in  energy  companies  exhibited  departures  from  random  walk  behavior.  Using  the  multiple  bubble  methodology  proposed  by  Phillips  Shi  and  Yu  (2015)  we  detect two main mildly explosive periods in CDS prices: a predominant mild explosive period  just before the Global Financial Crisis and another important explosive period after the recent  crude oil price collapse. We relate the dated bubble episodes seen in CDS prices with the time  series behavior of crude oil prices and with the level of corporate debt measured by different  corporate leverage measures. Results show that latest episode of mild explosivity reported for  CDS prices in energy corporates is associated with an exponential increase in debt levels and  debt  equity  ratios  following  the  Taper  Trantrum  in  2013  and  the  subsequent  2014  crude  oil  negative bubble. 


1. Introduction 


Over  the  2013‐2015  period,  the  US  and  European  economies  saw  companies  defaulting on  hundred  billions  worth  of  debt    signaling  a  significant  increase  in  the  degree  of  financial  stress  led  by  US  oil  and  gas  companies.  CDS  prices  of  energy  corporates exhibited as a result episodes of abrupt price increases not seen since the  2007‐2008  Global  Financial  Crises  (GFC)  thereafter.  CDS  premia  of  the  main  global  corporates such as Chevron or British Petroleum rose by more than a fourfold in 2015.  In  this  paper  we  show  that  such  behavior  represents  departures  from  the  standard  martingale model and associate the observed salient features with the corresponding  fundamental forces.   

There  are  different  arguments  that  explain  the  rising  tide  of  defaults  in  the  energy  sector.  Industry  experts  argue  that  the  rise  in  financial  stress  emerged  because  investors  reconsidered  their  exposure  to  companies  borrowing  heavily  under  the  Quantitative Easing policies that suppressed interest rates. Indeed there was a surge in  in September 2013 in U.S. Treasury Yields which resulted from the Federal Reserve´s  introduction  to  tapering  to  gradually  end  with  monetary  expansive  implemented  policies.  An additional channel that triggered defaults over the 2015  period was the  2014  collapse  of  the  crude  oil  price  which  pushed  exploration  and  production  companies in the US out of business (see Baumeister and  Kilian  2016, and Fantazzini  2016). 

This  paper  analyzes  the  time  series  behavior  of  CDS  prices  of  energy  corporates  in  relation to recent episodes documented in crude oil prices as well as to leverage and  macro  fundamentals.  We  use  for  this  purpose  the  multiple  bubble  methodology  derived  by  Phillips  Shi  and  Yu  (PSY,  2015)  for  testing  for  mild  explosivity  seen  as  departures  from  trend  and  fundamental  value.    The  PSY  methodology  offers  a  statistically  consistent  basis  upon  which  to  date  the  start  and  collapse  of  mildly  explosive  episodes  in  financial  time  series.  Figuerola‐Ferretti  et  al  (2018)  (FFM  thereafter) recently applied the PSY methodology to test for mild explosivity in crude  oil  prices.  In  their  analysis  they  find  that  there  was  an  explosive  period  in  crude  oil  prices  during  the  2007‐2008  oil  price  spike  and  a  negative  such  episode  during  the 


recent oil price decline. Assessing the role of fundamentals they show that while there  was  a  demand  side  factor  which  was  decisive  in  explaining  the  2008  bubble,  the  negative  2014  price  decline  was  associated  with  supply  side  disruptions  triggered  by  the  OPEC  meeting  in  November  2014.  This  paper  is  built  upon  the  results  in  FFM  focusing in the evolution of debt and credit risk for energy corporates. 

Credit risk can be defined as the risk of loss resulting from failures of counterparties or  borrowers to fulfil their obligations. Credit risk is hedged via credit derivatives, which  are financial contracts that transfer the (credit) risk and return of an underlying asset  from  one  counterparty  to  another  without  actually  transferring  the  underlying  asset.  The  value  of  any  credit  derivative  is  linked  to  the  probability  of  the  underlying  reference  entity  being  exposed  to  a  credit  risk  event  (bankruptcy,  delayed  payment,  restructuring, etc) at some point in the future. The most important credit derivative is  the  credit  default  swaps  (CDS)  which  is  essentially  an  insurance  contract  providing  protection against losses arising from a credit event. 

We choose CDS prices to measure credit risk in the energy sector. Following the  recent empirical literature on credit risk we consider CDS spreads as a direct measure  of credit risk because it has several advantages over bond spreads. First, as noted by  Zhang et al. (2009) as well as Ericsson et al. (2009), CDS spreads provide relatively pure  pricing  of  default  risk  and  are  typically  traded  on  standardized  basis.  Second,  bond  spreads are usually more affected by differences in contractual arrangements, such as  differences related to seniority, embedded options and coupon rates. Third, as was as  shown  by  Blanco  Brennan  and  March  (2005)  the  absence  of  funding  and  short‐sale  restrictions  in  the  derivatives  market,  allows  the  CDS  market  to  adjust  faster  to  changes in credit risk conditions than the corporate bond market.  


While there a substantial amount of literature that relates the price of crude oil with  the equity market (see for example Robe and Wallen 2016, Cheng and Xiong 2016) the  relationship between crude oil and credit risk has received limited attention. Domanski  et  al.  (2015)  found  evidence  showing  the  connection  between  oil  and  debt  over  the  1996‐2014  period.  In  their  work,  they  mainly  capture  the  effect  of  the  oil  price  variation in the financial structure of oil‐related firms. Their main findings suggest that 


the  price  of  oil  is  a  proxy  for  the  value  of  underlying  assets  underpinning  corporate  debt  in  the  energy  sector.  This  implies  that  lower  prices  are  expected  to  reduce  profitability, while increasing default risk due to higher financing costs. Their findings  point directly to a relationship between oil prices and bonds issued by oil producers. In  this regard, Kang et al. (2014) explore the impact of demand and supply shocks in the  crude  oil  market  over  the  US  bond  index  returns  in  the  period  2001‐2011.  Their  findings  demonstrate  that  positive  demand  shocks  in  crude  oil  are  associated  with  significant  decreases  in  U.S.  bond  index  returns.  They  also  show  that  demand  and  supply  shocks  in  the  crude  oil  market  jointly  account  for  30.6%  of  the  long‐run  variation  in  real  returns  for  a  broad  based  U.S.  bond  index  with  average  maturity  of  five years”. 

     The literature that analyzes spillovers between crude oil prices and bond returns is  very often based on estimating VAR frameworks.  In this paper we follow the account  of FFM, by stating that the lack of a clear structural model in the literature motivates  considering  an  alternative,  reduced‐form  approach  to  model  price  series  that  takes  account  of  salient  features  recently  observed  in  energy  corporate  CDS  prices.  This  is  especially  relevant  in  a  context  where  crude  oil  prices,  which  can  be  gathered  as  proxies for the value of energy corporate´s assets, have exhibited mild explosivity over  the last decade.  Reduced‐form models are useful precisely when there are (actual or  potential) questions over the specification of a structural model, or to offer empirical  evidence  against  which  its  specification  can  be  tested.  Until  recently,  directly  testing  for  potential  trend  departures  in  an  explosive  direction,  in  a  context  that  would  be  appropriate  for  the  features  in  the  CDS  data  described  above,  would  have  been  an  important  challenge  essentially  because  conventional  tests  based  on  a  model  embodying  martingale  dynamics  are  very  sensitive  to  explosive  departures  from  the  null.  The  mildly  explosive/bubbles  detection  methodology  recently  proposed  by  Phillips,  Shi  and  Yu  (2015a&b:  PSYa&b)  offers  a  way  forward,  given  its  efficacy  in  testing  for  departures  from  an  unobservable  stochastic  factor  such  as  random  walk  behavior, and departures from fundamental value, in  the  direction  of mildly  explosive 

process alternatives.  Here, we use CDS prices for nine benchmark energy corporates  as a proxy for credit risk. We shall show that in all corporates analyzed but one there is 


mild explosivity in the last quarter of 2008, shortly after the collapse of the crude oil  price.  Evidence  of  mild  explosivity  is  found  also  in  four  CDS  corporates  in  December  2015  towards  the  spring  of  2016,  again  following  the  Oct  2015‐  Feb  2015  crude  oil  price  collapse.    The  results  therefore  suggest  that  there  is  a  casual  relationship  between mild explosivity in the crude oil price and energy CDS corporates. As shown in  FMP,  the PSY procedure dates a positive mildly explosive episode in mid‐2008 which  associates  with  the  run‐up  in  oil  prices  towards  their  high  point,  during  a  period  in  which  the  GFC  had  already  begun  unfolding;  and  a  negative  such  episode  from  late  November/early  December  2014  for  two  or  so  months.  This  paper  shows  that  the  recent  bubble  dated  in  CDS  energy  corporates  is  associated  with  an  exponential  increase in debt and leverage ratios.  

     To our knowledge this is the first paper that tests for mild explosivity in CDS prices  and  analyzes  it  in  the  context  of  fundamentals  as  represented  by  crude  oil  prices,  corporate  leverage  ratios  and  US  Treasury  bond  yields.  The  use  of  the  PSY  testing  strategy  offers    an  evidence‐based  approach  that  reaches  beyond  simply  dating  structural breaks to assess the drivers of recent CDS prices; the association of periods  of bubble behavior with fundamental variables such as the oil price or corresponding  corporate  debt  levels  offers  an  empirical  device  as  a  way of  generating  stylized  facts  for structural models to explain; providing a clear analysis of the main factors that have  recently determined salient credit risk features in energy corporates. 

This  paper  is  organized  as  follows.  Section  2  summarizes  de  PSY  mildly  explosive/bubbles testing methodology. In section 3 we describe our data and provide  results for the PSY test implemented to the nine CDS corporates considered. In section  4 we provide some interpretation of our results focusing one macro fundamental, the  10  year  US  Treasury  real  yield  and  three  corporate  leverage  ratio  measures.  Both  fundamentals are analyzed jointly with the evolution of crude oil prices. We conclude  in section 5. 

2. The PSY mildly explosive/bubble‐testing methodology 

     The  PSY  (2015a&b)  strategy  represents  a  breakthrough  in  the  search  for  a  statistically rigorous procedure to test for temporary regime shifts of exuberance and 


collapse that are embedded in a time series evolving as a stochastic trend.  The test is  based  upon  the  notion  of  a  mildly  explosive  process  introduced  by  Phillips  and  Magdalinos  (2007),  which  facilitates  constructing  appropriate  distribution  theory  in  autoregressive (AR) models whose AR parameter is locally above unity. The property of  mild  explosivity  dominates  other  trend  components  in  a  way  that  makes  such  processes  very  different  statistically  from  those  exhibiting  the  random  walk  or  martingale  behavior  commonly  found  in  the  empirical  literature.  As  we  shall  see,  it  therefore represents a salient feature of the time series to be explained. 

     PSY procedure is based on three steps. The first requires testing the null hypothesis  that  there  are  no  mildly  explosive  periods  in  the  sample  against  the  alternative  that  there is at least one such period;          Under the null hypothesis of the test, the time series of interest follows a unit root  process with an asymptotically negligible drift:  2 1 1  , 

 

t t

t dT x

x ,      (1) 

where x0Op(1), d is a parameter and  is a localizing coefficient that controls the  magnitude of the drift as T. Starting from a fraction r1 and ending at a fraction 


r  of the total sample, with window size rwr2r1, we fit the regression model 

t i t k i i r r t r r r r

t x x

x       

 

1 , 1 ,

,2 1 2 1 2

1 ,         (2) 

where  k  is  the  lag  order  chosen  on  sub‐samples  using  the  Schwarz  Bayesian  Information Criterion (BIC), and t ~ i.i.d. (0,r21,r2).  The number of observations in the 

regression  is Tw


,  where 


.   is  the  floor  function,  and  we  denote  the  ADF‐ statistic (t‐ratio) of the coefficient of xt1 based on this regression by  12

r r ADF .       PSY (2015a&b) introduce two statistics, the backward sup ADF (BSADF) statistic and  the generalized sup ADF (GSADF) test. They are defined as:  } { sup ) ( 2 1 ] 0 2 , 0 [ 1 0 2 r r r r r

r r ADF

BSADF .       (3) 

)} ( {

sup )

(r0 2 [0,1] BSADF2 r0


where  the  endpoint  of  the  sample  is  fixed  at  r2  and  the  window  size  is  allowed  to 

expand from an initial fraction r0 of the total sample to r2. PSY (2015a) propose r0 be 

chosen  according  to  the  rule  r0 0.011.8 T ,  where T  is  the  sample  size.  This 

procedure defines a particular BSADF statistic. The GSADF statistic is then constructed  through repeated implementation of the BSADF procedure for each r2[r0,1]. Critical  values are obtained by simulation. PSY (2015a&b) provide limiting distribution theory  and small sample simulation evidence. 

     The  null  test  of  no  mildly  explosive  periods  is  based  on  the  GSADF  statistic.  Date‐ stamping  mildly  explosive  periods  is  achieved  through  the  BSADF  statistic:  the  origination and termination points of a first mildly explosive period, r1,e and r1,f, are 

estimated, subject to a minimum duration condition, by 


r r

r r

e r BSADF r scv

rˆ1, inf2[0,1] 2: 2( 0)  2 , (4)


e T T r r

r r

f r BSADF r scv


2 2

2 : ( )


ˆ1,[ˆ log( )/ ,1] 2 0  , (5)

where T



2 is the 100(1 –T)% right-sided critical value of the BSADF statistic based



observations and δ is a tuning parameter that can be chosen on basis of

sampling frequency. A tuning parameter of unity, reflecting a standard application of the test, implies a minimum duration condition of log(T) observations. A mildly explosive period is declared if and when the BSADF statistic has been above its critical

value for at least



observations. Conditional on a first mildly explosive

period having been found and estimated to have terminated at rˆ , the procedure is then 1,f

repeated in search of a second and possibly subsequent periods. PSY (2015b) show that, subject to rate conditions, the sequential procedure provides consistent estimates of the origination and termination dates of one, two and three (and, in principle, more) bubbles.

The data generation process (DGP) under the alternative hypothesis exhibits K mildly explosive episodes in the sample period, represented in terms of sample fraction

intervals Bi [i,e,i,f] (i = 1, 2 , . . . , K), within periods of prevailing martingale-type

behavior in the intervals N0[1,1,e], Nj[j1,f,j,e] (j = 1, 2 , . . . , K – 1) and

] , [ , T


) ( 1 ) (

) (

1 )

( t 1 t 0 T t 1 t i

t x t N x t B

x            


 


lt 1 lxi,f


        (= 1, . . . , T)            (6)  

T 1 c/T ,   c > 0,  (0,1).              (7) 

Under  the  given  conditions  on c  and ,  the  autoregressive  parameter T  is  greater 

than unity and is what Phillips and Magdalinos (2007) called a mildly integrated root on  the explosive side of unity, or simply a mildly explosive process.1   

Once we have tested for mild explosivity  the second step requires date‐stamping the  mildly explosive period(s) in the sample if unit roots are rejected. The last step requires  assessing whether detected mildly explosive episodes may be due to the behavior of  fundamentals or other variables. 

An important aim of this paper is to investigate whether any detected mildly explosive  episodes  in  CDS  prices  can  be  linked  to  fundamentals.  Crude  oil  is  considered  in  this  context a key fundamental as it serves as a proxy for the value of the assets in energy  corporates.  We  analyze  for  this  purpose  the  time  series  behavior  of  crude  oil  prices  with the leverage structure of energy corporates using three different measures. The  aim is to assess whether the recent mildly explosive periods in the CDS price coincide  with similar behavior in the fundamental or financial variable and. 

      The  importance  of  the  PSY  (2015a)  strategy  is  underlined  by  the  number  and  diversity  of  applications  that  have  been  used  in  the  literature,  in  spite  of  its  recent  inception.  For  example,  it  has  been  applied  to  the  S&P500  index  (PSY,  2015a);  residential  property  markets  (e.g.  Greenaway‐McGrevy  and  Phillips,  2016);  food  commodity  markets  (e.g.  Etienne,  Irwin  and  Garcia,  2015);  and  metals  markets  (e.g.  Figuerola‐Ferretti et al. 2015). It has been applied to crude oil markets by Caspi et al.  (2016) who look at historical periods of oil price explosivity since 1876; Tsvetanov et al.  (2016) who study the shape of the oil futures forward curve; and by Fantazzini (2016)  who predominantly used the results of the second‐stage of the test applied to Brent  and  WTI  spot  prices  as  one  of  two  disparate  approaches  to  consider  whether  the        

1  Under  this  construct,  they  were  able  to  establish  a  basis  for  statistical  inference  on  the 


recent  oil  price  decline  was  a  negative  bubble.  FMP  apply  the  PSY  methodology  to  crude oil spot and futures prices. They find two bubble episodes which they associate  to different fundamental factors. This paper builds on the results of Figuerola‐Ferretti  et  al  (2018)  by  relating  the  recent  salient  features  seen  in  crude  oil  prices  with  the  underlying credit conditions of energy corporates. 

3. Data and  PSY test results 

We  have  weekly  CDS  price  data  for  nine  energy  corporates  selected  on  a  market  capitalization rank basis as exhibited in Table 1.  We have accordingly collected data  for  the  largest  nine  companies.  The  sample  start  date  is  determined  by  data  availability and ranges from Jul 2005 to January 2017, in seven out of nine corporate  CDSs. Details are provided in table 2 in the appendix. As can be seen in this table our  sample starts in January 2009 for Exxon Mobile and Royal Shell.  CDS data is collected  from Bloomberg. We also use weekly EIA data for spot crude oil Brent prices for the  period and Bloomberg weekly 10 year real US Treasury yields (US Break U index) for  the  July  2005‐  January  2017.  Our  fundamental analysis  also  includes  annual  data  for  total debt, equity value and EBITDA for each corporate. The data source for the latter  is Factset.   

Fig 1 represents the weekly time series plot of brent crude oil spot prices and the 10yr  real US bond yield. The latter is analyzed to take account of the effects of US monetary  policy decisions on credit risk. We can see that there is a negative correlation between  the crude oil price and the 10 year real yield which is enhanced just before the GFC. It  can also be seen that while during the first crude oil price shock the real yield peaks  after crude oil prices, over the second crude oil price shock real yield rises before the  crude  oil  price  collapses.  This  suggests  that  the  Federal  Reserve  decision  to  taper  in  September 2013 might have influenced the collapse of crude oil prices. Fig 2 depicts  the time series evolution of the five representative CDS energy corporates and brent  crude oil spot weekly prices respectively. Values are standardized in fig 1 to facilitate  comparison so that the CDS price in September 2005 is equal to 100. Also, due to the  large  values  observed  in  BP  prices  we  have  illustrated  them  in  a  secondary  axis.  We  can see from fig 1 that there are three clear periods of abrupt changes in CDS prices:  2007‐2009, 2011, 2015‐2016. These seem to be related to the two explosive periods 


reported in crude oil prices by FMP. The first of such episodes runs from April 2008 to  July 2008 just before the start of the GFC, and a second episode running from October  2014 to February 2015. The 2011 bubble observed in Royal Shell and Exxon CDS prices  follows  the  mid  2011  Standard  and  Poor´s  downgrade  of  the  US  Sovereign  debt.    In  what  follows,  we  formally  investigate  whether  there  is  mild  explosivity  in  CDS  corporate  names  and  the  extent  to  which  if  there  is  explosivity  it  can  be  associated  with  the  salient  features  observed  in  the  crude  oil  price  and  with  other  macro  fundamentals. 

We  conduct  the  first  two  stages  of  the  PSY  test  using  CDS  prices  for,  Exxon  Mobil  Corporation,  Roya  Dutch  Sell,  Chevron  Corporation,  Total  SA,  BP  P.l.C  Statoil  ASA  Conoco  Phillips,  Eni,  S.p  Al  and  Repsol  S.A.  ).  This  allows  documenting  any  detected  departures from normal martingale trend behavior in the direction of mildly explosive  alternatives.  Critical  values  have  been  generated  for  each  of  the  samples  analyzed.   Interestingly there is one bubble episode before the first bubble detected in crude oil  prices and another explosive episode after the collapse of the crude oil bubble in July  2008. In Section 4 below, we provide an interpretation of the salient features we find  in the data using the third stage of the PSY procedure along with specifically chosen  proxy variables for fundamentals. 

Tables  3A  and  3B  give  the  GSADF  statistics  corresponding  to  the  nine  corporates  analyzed. Critical values are generated for the given sample size and initial value r0.  

Results  show  that  in  every  case  analyzed  the  GSADF  statistic  rejects  the  null  hypothesis of there being no mildly explosive periods during the sample considered at  the 5% significance level. 

Tables 4A to 3C report the bubble episodes dated on the basis of the BSADF. We find  that  there  are  two  episodes  of  mild  explosivity  around  the  GFC.  There  is  an  initial  explosive period in January 2008 (Chevron, Total, Stat Oil, Con Phillips and Eni S. p A)  and second explosive period by the end of 2008 (Chevron, Repsol, Total, Stat Oil, and  Eni S. p A. ) Note that we fail to find such periods in Shell Royal and Exxon because the 


test  is  implemented  for  Jan  2009‐Jan  2017  data. 2  The  second  CDS  bubble  episode  follows  the  crude  oil  price  collapse  dated  in  July  2008  dated  FMP.    Episodes  of  mild  explosivity are dated on the basis of figs 2 to 9 at points where the BSADF sequence is  above the 5% critical value. 

A  second  episode  of  mild  explosivity  is  dated  in  the  second  half  of  2011  around  the  start  of  the  European  Sovereign  Debt  Crises  in  Royal  Shell  and  Exxon  prices.  This  follows the downgrade of the US debt in mid‐2011. The remaining corporates exhibit  spikes around this period that are not sufficiently high and long to satisfy the bubble  condition. 

The third period of mild explosivity is date stamped around the 2015‐2016 period for  Chevron, Royal Shell and Repsol and Con Phillips. Such episode follows the collapse of  the Taper Tantrum that took place in September 2013, the collapse of crude oil prices  in October 2014, and the consequent accumulation of debt in energy corporates and. 

Both fundamentals are analyzed in depth in the section bellow. 

4. The study of fundamentals 

4.1. The real 10 year Treasury yield 

In this analysis we consider the extent to which U.S. Treasury Yields can be explain the  episodes of mild explosivity seen in CDS prices. For this purpose we perform the PSY  test on the 10 year real Treasury Yields. Results, exhibited in table 10 show that there  is  one  big  spike  in  10  year  real  yields  taking  place  in  September  2013  following  the  Taper  Tantrum.  There  are  three  weeks  in  which  the  BSADF  statistic  is  above  the  5%  critical  value.  While  this  does  not  suffice  to  declare  bubble  behavior  there  is  a  clear  suggestion that there is a structural break that might have influenced the later collapse  of  CDS  prices.    Worsening  credit  conditions  arising  from  the  Taper  Tantrum  were  important determinants of worsening credit conditions. 

In  what  follows  we  proceed  to  look  at  corporate  debt  fundamentals  and  crude  oil  prices to explain the episodes of mild explosivity found in CDS prices 



 Although there is data availability from 2007 we have implemented the test using Jan 2009 as a start  date to avoid high volatility in the initial recursive sample. 


4.2 Oil prices and corporate firm fundamentals 

In  this  section  we  follow  Domanski  et  al.  (2015)  and  take  crude  oil  prices  as  a  key  fundamental underlying CDS energy prices and look at its relationship between other  credit  related  variables.  The  purpose  is  to  explain  whether  the  two  main  bubble  episodes seen in CDS prices arise due to different factors. The underlying presumption  in this analysis is that the oil price is a proxy for the value of the underlying assets that  underpin the debt of the oil sector. 


4.2.1 Crude oil prices and corporate debt levels 

Domanski et al. (2015) show that variations in oil prices influence the level of debt of  energy companies. Because CDSs measure credit risk, they are expected to be related  to corporate debt levels. This section looks at the relationship between debt levels and  crude oil spot prices. We analyze this effect in the companies selected for 2002‐2009  and 2010‐2016 periods. We build on the results of FMY which demonstrate that there  was a bubble in crude oil front month prices in 2008 which they associated to demand  factors  and  a  second  negative  bubble  in  2014  which  they  relate  to  supply  side  fundamentals. Because corporate debt data is only available on a yearly basis we are  not able to apply the PSY methodology. We do however at the time series properties  of debt levels and crude oil prices from a different perspective suitable for yearly data.   Fig 11 shows the plot of the evolution of corporate debt levels in conjunction with the  annual time series plot of brent spot prices. We can see that there is a steady increase  in debt corporate levels during the GBP until 2013 were corporate debt starts to rise  exponentially after the Taper Tantrum. Due to data availability restrictions we provide  this analysis for the largest firms considered in the sample and: Exxon, BP, Royal Shell,  Total, Chevron.  Because Repsol has a long series of liquid CDS prices, we also consider  Repsol in this analysis.  Table 5a shows the debt‐crude oil price correlation structure  during  two  subsample  periods  2002‐2009  and  2010‐2016.  This  allows  us  to  consider  the leverage level during the two main episodes of CDS price explosivity. We can see  that while energy companies’ debt exhibits a low correlation with the evolution of oil  prices in the first period, this correlation increases considerably in the second period 


with negative sign. Repsol is the only exception which exhibits positive correlations in  both periods. 

The  results  described  above  therefore  suggest  that  the  CDS  bubbles  seen  during  the  GFC (and the 2008 crude oil price bubble) are not clearly associated with increases in  debt levels while the 2015 CDS bubbles and the 2014 crude oil price collapse can be  linked to exponential increases in corporate debt levels. 

4.2.2 Crude oil prices and debt equity ratios 

 In  what  follows  we  analyze  the  impact  of  the  oil  price  variations  on  the  financial  structure of oil companies. We use for this purpose two ratios that capture the quality  of  the  company's  indebtedness:  the  debt‐equity  ratio  and  the  debt‐ebitda  ratio.  The  debt‐equity  ratio  is  a  leverage  ratio  that  compares  a  company's  total  liabilities  to  its  total  shareholders'  equity.  Companies  with  too  high  leverage  ratio  can  be  at  risk  for  financial problems or even a default if they can’t meet their debt obligations.  

The time series plot of this ratio for each of the selected companies is exhibited in Fig  11.We can observe that leverage ratio also increases with different paces in each  period. As was the case in corporate debt levels It is clear that this ratio increases  considerably from 2014.  

The correlation between oil price evolution and leverage ratio is exhibited in table 5 B.  During  the  second  subsample  analyzed  it  remarkably  negative  and  high.  This  reveals  that supply shocks in oil prices (as classified in FMP) led to a considerable increase in  leverage of the oil companies (except for Repsol).  

4.2.3 Crude oil prices and debt‐EBITDA ratios 

The  debt‐ebitda  ratio  captures  a  company's  ability  to  pay  off  its  incurred  debt.  This  ratio reports how much time is needed to pay off all debt with annual gross revenues,  ignoring  other  factors  such  as  interest,  taxes,  depreciation  and  amortization.  It  is  commonly used by credit rating agencies to assess a company's probability of default.  An  increasing  debt‐ebitda  ratio  means  the  company  is  increasing  debt  more  than  earnings, and a high debt‐ebitda ratio suggests that a firm may not be able to service  its debt appropriately.  


Figure 12 depicts the time series evolution of debt‐ebitda ratios and crude oil prices.  Results are consistent with those previously reported in that we see a clear increase in  this ratio after 2014, reflecting the effects of 2004 crude oil price collapse and the end  Fed  quantitative easing policies. The increase is especially pronounced for BP followed  by Shell. Again we can see that the correlations between the crude oil price and the  Debt‐ebitda ratio become highly negative in the second subsample again reflecting the  negative effect of a collapse of crude oil prices under credit conditions as measured by  the debt‐ebitda ratio. 


5. Conclusions 

This  paper  analyzes  the  relationship  between  oil  and  credit  risk  in  the  energy  sector  over the last two oil price crises. We measure credit risk in energy corporations using  CDS  prices  and  assess  whether  credit  risk  in  energy  companies  exhibited  departures  from random walk behavior. We find that there is bubble behavior in CDS prices and  analyze the episodes of mild explosivity by looking at three different classes of energy  CDS  fundamentals:  crude  oil  prices,  three  corporate  leverage  measures,  and  the  10  year Treasury real yields. Our contributions can be summarized as follows: 

First, using the multiple bubble methodology proposed by Phillips Shi and Yu (2015) we  detect  three  mildly  explosive  periods  in  CDS  prices:  a  predominant  mild  explosive  period just  before the Global Financial Crisis and another important  explosive period  after the recent crude oil price collapse. Another episode is documented for Exxon and  Royal Shell in 2011 following the 2011 following the Standard and Poor´s downgrade of  the US Sovereign debt. 

Secondly we relate the dated bubble episodes seen in CDS prices with its fundamentals  Results show that latest episode of mild explosivity reported for CDS prices in energy  corporates  is  associated  with  an  exponential  increase  in  debt  levels  and  debt  equity  ratios  following  the  Taper  Trantrum  in  2013  and  the  subsequent  2014  crude  oil  negative bubble. 

Our results therefore suggest that the two main episodes of explosivity found in CDS  prices  can  be  associated  with  the  two  oil  price  shocks  documented  in  the  literature. 


However, while CDS prices seem to spike first during the global financial crises, crude  oil prices collapsed first during the last crude oil price crises. That later shock followed  the US FedTaper Tantrum. 



6. References 

Baumeister,  C.,  Kilian,  L.,  2016.  Understanding  the  decline  in  the  price  of  oil  since  June  2014. Journal  of  the  Association  of  Environmental  and  Resource  Economists 3(1), 131‐158. 


Baumeister, C., Peersman, G., 2013. The role of time‐varying price elasticities in  accounting  for  volatility  changes  in  the  crude  oil  market.   Journal  of  Applied  Econometrics 28, 1087‐1109. 


Blanco, R., Brennan, S., Marsh, I.W., 2005. An empirical analysis of the dynamic  relationship  between  investment‐grade  bonds  and  credit  default  swaps. 

Journal of Finance 60, 2255–2281.   

Caspi,  I.,  Katzke,  N.,  Gupta,  R.,  2016.    Date  stamping  historical  periods  of  oil  price explosivity: 1876‐2014.  Forthcoming, Energy Economics.  


Cheng,  I.‐H.,  Xiong,  W.,  2014.    Financialization  of  commodity  markets. Annual  Review of Financial Economics 6(1), 419‐441. 

Domanski,  D.,  Kearns,  J.,  Lombardi,  M.,  and  Shin,  H.  S.,  2015,  “Oil  and  debt”, BIS 

Quarterly Review, March 2015, 55‐65. 

Ericsson, J., K. Jacobs, and R.Oviedo‐Helfenberger (2009). “The determinants of  credit default swap premia.”, Journal of Financial and Quantitative Analysis 44,  109‐132. 


Etienne, X.L., Irwin, S.H., Garcia, P., 2015. Price explosiveness, speculation and  grain futures prices. American Journal of Agricultural Economics 97, 65‐87.  Fantazzini,  D.,  2016.  The  oil  price  crash  2014/15:  Was  there  a  (negative)  financial bubble?  Energy Policy 96, 383‐396. 

Fattouh,  B.,  Kilian,  L.,  Mahadeva,  L.,  2013.    The  role  of  speculation  in  oil  markets: what have we learned so far?  Energy Journal 34(3), 7‐33. 

Figuerola‐Ferretti,  I.,  Gilbert,  C.L.,  and  McCrorie,  J.R.,  2015.  Testing  for  mild  explosivity and bubbles in LME non‐ferrous metals prices. Journal of Time Series  Analysis 36, 763‐782. 

Figuerola‐Ferretti, I., McCrorie, J.R., 2016. The shine of precious metals around  the Global Financial Crisis. Journal of Empirical Finance 38, Part B, 717‐738. 


Figuerola‐Ferretti,  I.,  McCrorie,  J.R.  Paraskevopoulos  Y.,  2018.  Mild  Explosivity  in recent crude oil prices. Mimeo, ICADE working paper series. 

Greenaway‐McGrevy,  R.,  Phillips,  P.C.B.,  2016.  Hot  property  in  New  Zealand:  empirical  evidence  of  housing  bubbles  in  the  metropolitan  centres.  New  Zealand Economic Papers, 50(1), 88‐113. 

Hammoudeh,  S.,  Liu,T.,  Chang,C‐L.,  McAleer,  M.(2013).  Risk  Spillovers  in  Oil‐Related  CDS, Stock and Credit Markets, Energy Economics 36 (2013), 526‐535. 

Kang, W., Ratti, R.A., Yoon, K.H., (2014), “The Impact of Oil Price Shocks on U.S. Bond  Market Returns”, Energy Economics 44 (2014), 248‐258. 

Kilian,  L.,  2009.  Not  all  oil  price  shocks  are  alike:  disentangling  demand  and  supply  shocks  in  the  crude  oil  market. American  Economic  Review  99,  1053‐ 1069. 

Phillips, P.C.B., Magdalinos, T., 2007. Limit theory for moderate deviations from  unity. Journal of Econometrics 136 (1), 115‐130. 

Phillips,  P.C.B.,  Shi,  S.‐P.,  Yu,  J.,  2013.  Testing  for  multiple  bubbles:  historical  episodes  of  exuberance  and  collapse  in  the  S&P  500.  Cowles  Foundation  Discussion Paper No. 1914, Yale University. 

Phillips,  P.C.B.,  Shi,  S.‐P.,  Yu,  J.,  2015a.  Testing  for  multiple  bubbles:  historical  episodes  of  exuberance  and  collapse  in  the  S&P  500. International  Economic  Review 56 (4), 1043‐1077. [PSYa] 

Phillips, P.C.B., Shi, S.‐P., Yu, J., 2015b. Testing for multiple bubbles: limit theory  of real time detectors. International Economic Review 56 (4), 1079‐1133. [PSYb]   

Phillips,  P.C.B.,  Wu,  Y.,  Yu,  J.,  2011.  Explosive  behavior  in  the  1990s  Nasdaq:  when  did  exuberance  escalate  asset  values? International  Economic  Review  52  (1), 210‐226. [PWY] 

Phillips,  P.C.B.,  Yu,  J.,  2011.  Dating  the  timeline  of  financial  bubbles  during  the  subprime crisis. Quantitative Economics 2 (3), 455‐491. [PY] 

Robe, M.A., Wallen, J., 2016. Fundamentals, derivatives market information and  oil price volatility. Journal of Futures Markets 36(4), 317‐344. 

Sanders,  D.R.,  Irwin,  S.H.,  2014.  Energy  futures  prices  and  commodity  index  investment:  new  evidence  from  firm‐level  position  data.   Energy  Economics  46,  S57‐S68. 

Tsvetanov, D., Coakley, J., Kellard, N., 2016.  Bubbling over!  The behavior of oil  futures along the yield curve. Journal of Empirical Finance 38, Part B, 516‐533  Zhang, B.Y., H. Zhou, and H. Zhu, (2009) “Explaining credit default swap spreads  with  equity  volatility  and  jump  risks  of  individual  firms”  . Review  of  Financial  Studies, 22, 5100‐5131.  




Appendix 1: Tables  

Table 1: Energy Corporates Ranked by Market Cap (Dec 2017)

Company MktVal

Symbol Company Name Co


XOM Exxon Mobil Corporation 321,087.9 B03MM4 Royal Dutch Shell Plc Class B 258,874.8 CVX Chevron Corporation 215,579.0

B15C55 Total SA 138,867.8

079805 BP p.l.c. 129,333.3

713360 Statoil ASA 71,953.8

COP ConocoPhillips 61,233.1

714505 Eni S.p.A. 59,638.9

EOG EOG Resources, Inc. 57,862.4

OXY Occidental Petroleum Corporation 52,174.4

PSX Phillips 66 46,485.2

VLO Valero Energy Corporation 38,603.4 KMI Kinder Morgan Inc Class P 38,501.1 MPC Marathon Petroleum Corporation 31,026.2 APC Anadarko Petroleum Corporation 30,712.0

PXD Pioneer Natural Resources Company 28,085.7

566935 Repsol SA 26,623.4

WMB Williams Companies, Inc. 23,653.2

OKE ONEOK, Inc. 22,301.2

CXO Concho Resources Inc. 20,668.0


Table 2: Sample start and end dates

Company Sample

Symbol Company Name Start End 

XOM Exxon Mobil Corporation 01/01/2009 31/01/2017 B03MM4 Royal Dutch Shell Plc Class B 01/01/2009 31/01/2017 CVX Chevron Corporation 01/07/2005 31/01/2017

B15C55 Total SA 01/07/2005 31/01/2017

079805 BP p.l.c. 01/07/2005 31/01/2017

713360 Statoil ASA 01/07/2005 31/01/2017

COP ConocoPhillips 01/07/2005 31/01/2017

714505 Eni S.p.A. 01/07/2005 31/01/2017

566935 Repsol SA 01/07/2005 31/01/2017




Table 3A  GSADF  Test Statistics 

Chevron, Shell Royal and Repsol CDS price  2003 ‐ 2016 (weekly data) 

Chevron    Shell Royal  Repsol  GSADF  6.207  4.627        10.477 

This table reports the GSADF statistic for Chevron, Shell Royal and Repsol CDS  prices.. The ADF lag is chosen to minimize the BIC over every subsample with  maximum  lag  length  set  at  5  weeks.  Standard  PSY  Critical  values:  2.069  (10%), 2.282 (5%) and 2.664 (1%). 


Table 3B  GSADF  Test Statistics 

Exxon, BP and Total  2003 ‐ 2016 (weekly data) 

Exxon    BP  Total 

GSADF  3.21  4.627        6.817 

This table reports the GSADF statistic for Exxon, BP and Total CDS prices. The  ADF lag is chosen to minimize the BIC over every subsample with maximum  lag  length  set  at  5  weeks.  Standard  PSY  Critical  values:  2.069  (10%),  2.282  (5%) and 2.664 (1%). 



Table 4A: 

Estimated start and end dates for periods of mildly explosive price behavior.  Weekly CDS prices for Chevron, Shell Royal and Repsol  Jan 2004 to March  2017 period 

Chevron  Royal Shell  Repsol 

Start  End  Start  End  Start  End 

04‐01‐08  15‐02‐08         

28‐11‐08  06‐02‐09  26‐08‐11  14‐10‐11  24‐10‐08  01‐05‐09  18‐12‐15  26‐2‐16  15‐01‐16  26‐02‐16  18‐12‐15  04‐03‐16  This table reports mildly explosive periods in the weekly CDS prices of Chevron,  Royal Shell and Repsol  CDS premiums using the PSY procedure with 5% size 

*Only significant at the 10% level  


Table 4B: 

Estimated start and end dates for periods of mildly explosive price behaviour  for weekly CDS prices of  Exxon, BP, and Total  Jan 2004 to March 2017  period 

Exxon  BP  Total 

Start  End  Start  End  Start  End 


16‐11‐11  28‐10‐11*  Jun 2005  Aug 2005  25‐01‐08  28‐03‐08 

    Oct 2008 


Nov 2008  28‐11‐08  16‐01‐09  This table reports mildly explosive periods in the weekly Exxon, BP, Total  CDS  premiums using the PSY procedure with 5% size *Only significant at the 10% level   


Table 4C 

Estimated start and end dates for periods of mildly explosive price behavior.  Of CDS prices  for Stat Oil, Con Phillips, Eni S Jan 2004 to March 2017 period 

Stat Oil  Con Phillips  Eni S 

Start  End  Start  End  Start  End 

25‐01‐08  28‐03‐08  15‐02‐08  04‐04‐08  08‐02‐08  28‐03‐08  28‐11‐08  16‐01‐09  6‐02‐2015  13‐02‐15*  28‐11‐08  6‐02‐09 


This table reports mildly explosive periods in the Stat Oil, ConPhillips, Eni S CDS  premiums using the PSY procedure with 5% size 

*Min bubble condition not fulfilled   




Table 5A: Annual Correlation coefficient between crude  oil prices and debt levels 


Oil Price‐Debt  2002‐2009  2010‐2016 

BP  0,25  ‐0,73 

EXXON  ‐0,11  ‐0,88 

SHELL  0,15  ‐0,63 

TOTAL  0,59  ‐0,93 

REPSOL  0,20  0,32 

CHEVRON  ‐0,68  ‐0,87 


   0,07  ‐0,62 

This table shows correlation coefficients between crude oil  prices  and leverage levels  during two subsamples. Leverage  levels are defined as and obtained from Factset      Table 5B: Annual Correlation coefficient between crude oil prices  and Debt equity ratios 

Oil Price‐Debt/Equity ratio  2002‐2009  2010‐2016 

BP  0,14  ‐0,88 

EXXON  ‐0,54  ‐0,88 

SHELL  ‐0,45  ‐0,74 

TOTAL  0,16  ‐0,96 

REPSOL  ‐0,46  0,44 

CHEVRON  ‐0,71  ‐0,87 



  ‐0,31  ‐0,65 

This table shows correlation coefficients between crude oil prices and  Price‐Debt/Equity ratios  and leverage levels  during two subsamples.  Leverage levels are defined as and obtained from Factset      Table 5 D: Correlations between oil prices and Debt/Ebitda ratios  Oil Price‐Debt/Ebitda ratio  2002‐2009  2010‐2016 

BP  ‐0,13  ‐0,86 

EXXON  ‐0,45  ‐0,81 

SHELL  0,03  ‐0,81 

TOTAL  0,12  ‐0,89 

REPSOL  ‐0,07  ‐0,67 

CHEVRON  ‐0,61  ‐0,78 


   ‐0,19  ‐0,80 

This table shows correlation coefficients between crude oil prices and  Price‐Debt/Equity ratios  and leverage levels  during two subsamples.  Leverage levels are defined as and obtained from Factset    ܺത ܺത ܺത



Fig 1: Brent crude oil spot weekly prices and 10 yr real US bond yields 




Fig 2: CDS prices (value in 2005 set equal to 100) 













Fig 2: Royal Dutch Shell BSADF sequence 



Fig 3: BSADF sequence Chevron CDS prices 









Fig 4: Repsol CDS price BSADF sequence 




Fig 5:BSADF sequence for Eni S. p. A prices 







Fig 9 BSADF recursive sequence 10yr real yield 





Fig 10: BSADF sequence for the real 10yr US bond yield 









Fig 10











0: Time seriees evolution of crude oil bbrent spot prices and en



                      Fig 12          

2: crude oil pprices and deebt/EBITDA R








Descargar ahora (27 página)
Related subjects :