%% ---------------------------------------------------------------------------
%% Chapitre 2 — adapté de phd_chap2_20260731/ (version préparée pour le
%% Journal of Futures Markets). Corps scientifique inchangé ; voir
%% INVENTAIRE.md pour la liste des adaptations mécaniques.
%% ---------------------------------------------------------------------------

\chapter{Seeing Through the ETF: Indicative NAV and Commodity Volatility Transmission}
\label{chap-chapitre2}

\section{Résumé}

% BROUILLON À RÉVISER PAR L'AUTEUR (traduction condensée de l'abstract ; la
% FESP limite le résumé de chaque article inséré à 150 mots).
\begin{otherlanguage*}{french}
  Cet article construit une base de données inédite de valeurs liquidatives
  indicatives (iNAV) pour les fonds négociés en bourse (FNB) de matières
  premières et mesure la transmission de volatilité entre les FNB et leurs
  paniers sous-jacents à l'aide de la variance réalisée à haute fréquence.
  Appliquée au pétrole brut, à l'or, à l'argent et au gaz naturel, cette
  approche montre que l'iNAV offre une image plus nette de la relation de
  volatilité. En décomposant la variance réalisée en composantes continue et
  de sauts, nous établissons que la transmission passe principalement par les
  sauts plutôt que par la diffusion, un canal que les mesures usuelles de
  connectivité peuvent masquer. La fréquence d'échantillonnage importe : les
  données à une minute révèlent une transmission quotidienne jusqu'à deux fois
  plus grande que les estimations à 30~minutes. Enfin, la transmission est
  unidirectionnelle — de l'iNAV vers le FNB — pour l'or et l'argent, mais
  bidirectionnelle et asymétrique pour les FNB énergétiques.
\end{otherlanguage*}

\section{Abstract}

This paper builds a novel dataset of indicative Net Asset Value (iNAV)
observations for commodity ETFs and measures volatility transmission between
ETFs and their underlying baskets using high-frequency realized variance.
Applying this design to crude oil, gold, silver, and natural gas, we show that
the iNAV provides a sharper image of the volatility relationship. Decomposing
realized variance into continuous and jump components, we establish that
transmission runs primarily through jumps rather than diffusion, a channel
that standard volatility connectedness measures may obscure. Sampling
frequency also matters: 1-minute data reveal daily volatility transmission up
to twice as large as 30-minute estimates. Finally, transmission differs across
commodity types. For gold and silver, it is unidirectional from iNAV to ETF,
consistent with passive arbitrage. For energy ETFs, which are more liquid and
hold futures as underlying assets, transmission is bidirectional and
asymmetric.

\medskip
\noindent\textbf{Keywords:} ETF, volatility, transmission, commodity markets,
futures, intraday, realized variance, jump, HAR, arbitrage, microstructure.\\
\noindent\textbf{JEL Classification:} G12, G13, G14, C32

%% --- Corps de l'article ---
%% (pas de fichier 02_* dans la source : la revue de littérature est intégrée
%% à l'introduction)
\input{chapitre2/01_introduction}
\input{chapitre2/03_data}
\input{chapitre2/04_methods}
\input{chapitre2/05_results}
\input{chapitre2/06_conclusion}

%% --- Tableaux et figures de l'article ---
\input{chapitre2/tables}
\input{chapitre2/figures}