spb/phd_thesis Public

1%% ---------------------------------------------------------------------------2%% Chapitre 2 — adapté de phd_chap2_20260731/ (version préparée pour le3%% Journal of Futures Markets). Corps scientifique inchangé ; voir4%% INVENTAIRE.md pour la liste des adaptations mécaniques.5%% ---------------------------------------------------------------------------67\chapter{Seeing Through the ETF: Indicative NAV and Commodity Volatility Transmission}8\label{chap-chapitre2}910\section{Résumé}1112% BROUILLON À RÉVISER PAR L'AUTEUR (traduction condensée de l'abstract ; la13% FESP limite le résumé de chaque article inséré à 150 mots).14\begin{otherlanguage*}{french}15  Cet article construit une base de données inédite de valeurs liquidatives16  indicatives (iNAV) pour les fonds négociés en bourse (FNB) de matières17  premières et mesure la transmission de volatilité entre les FNB et leurs18  paniers sous-jacents à l'aide de la variance réalisée à haute fréquence.19  Appliquée au pétrole brut, à l'or, à l'argent et au gaz naturel, cette20  approche montre que l'iNAV offre une image plus nette de la relation de21  volatilité. En décomposant la variance réalisée en composantes continue et22  de sauts, nous établissons que la transmission passe principalement par les23  sauts plutôt que par la diffusion, un canal que les mesures usuelles de24  connectivité peuvent masquer. La fréquence d'échantillonnage importe : les25  données à une minute révèlent une transmission quotidienne jusqu'à deux fois26  plus grande que les estimations à 30~minutes. Enfin, la transmission est27  unidirectionnelle — de l'iNAV vers le FNB — pour l'or et l'argent, mais28  bidirectionnelle et asymétrique pour les FNB énergétiques.29\end{otherlanguage*}3031\section{Abstract}3233This paper builds a novel dataset of indicative Net Asset Value (iNAV)34observations for commodity ETFs and measures volatility transmission between35ETFs and their underlying baskets using high-frequency realized variance.36Applying this design to crude oil, gold, silver, and natural gas, we show that37the iNAV provides a sharper image of the volatility relationship. Decomposing38realized variance into continuous and jump components, we establish that39transmission runs primarily through jumps rather than diffusion, a channel40that standard volatility connectedness measures may obscure. Sampling41frequency also matters: 1-minute data reveal daily volatility transmission up42to twice as large as 30-minute estimates. Finally, transmission differs across43commodity types. For gold and silver, it is unidirectional from iNAV to ETF,44consistent with passive arbitrage. For energy ETFs, which are more liquid and45hold futures as underlying assets, transmission is bidirectional and46asymmetric.4748\medskip49\noindent\textbf{Keywords:} ETF, volatility, transmission, commodity markets,50futures, intraday, realized variance, jump, HAR, arbitrage, microstructure.\\51\noindent\textbf{JEL Classification:} G12, G13, G14, C325253%% --- Corps de l'article ---54%% (pas de fichier 02_* dans la source : la revue de littérature est intégrée55%% à l'introduction)56\input{chapitre2/01_introduction}57\input{chapitre2/03_data}58\input{chapitre2/04_methods}59\input{chapitre2/05_results}60\input{chapitre2/06_conclusion}6162%% --- Tableaux et figures de l'article ---63\input{chapitre2/tables}64\input{chapitre2/figures}65