宏观经济对国际黄金市场低频波动的影响研究——基于Spline—GARCH模型的分析.docVIP

宏观经济对国际黄金市场低频波动的影响研究——基于Spline—GARCH模型的分析 跚跚帽圃拥鞠-..m因价格的长期和短期决定因素，发现黄金价格和美国的物价水平存在长期固定的正相关关系。金蕾和年四伍(2011)研究发现，美元汇率和国际黄金价格之间存在长期反向关系，投资黄金能有效抵御美元贬值。杨楠和方茜(2013)的研究进一步发现，黄金抵御美元贬值的避险能力是时变的。以上研究分析了黄金价格的影响因素，然而没有深入研究黄金市场波动的影响因素。市场波动代表了信息流动，研究市场波动结构而非价格(收益)能发现更多有用的金融资产价格动态变化信息(Ross，1989)。而在黄金市场波动影响因素方面的研究要么忽视了宏观经济因素的影响，要么未能将披动分离为高频波动和低频波动，从而无法对波动的长期趋势进行度量。王文杰等(2009)把美元指数、原油期货指数、标普500指数以及美国国债收益率的日数据作为外生变量引人到黄金日收益率的GARCH模型中，发现美元指数、原油价格与国际股市的波动都显著影响黄金市场的波动。Ham??moudeh amp; Yuan (2008)基于单变量GARCH模型的研究发现，美国国库券利率和石油价格的变化对黄金价格波动具有重要影响。这些研究仅局限于外汇市场、原油市场、股票市场、债券市场对黄金市场波动的影响，并没有涉及宏观经济因素的影响。其根本原因主要是受数据频率的局限。因为使用传统波动模型来研究黄金市场波动的影响因素时，使用的是高频数据，如每日收盘价或日内;tick;价格，而宏观经济指标的数据频率基本为月度甚至季度，例如消费者物价指数CPI、国内生产总值GDP等。黄金市场波动与宏观经济指标的数据频率的不一致直接导致了宏观经济因素的影响在研究中常被忽视。进一步而言，Tull y amp; Lucey (2007), Batten et al. (2010 )虽然把月度宏观经济数据引人到波动模型中，然而黄金市场的数据(黄金价格或收益)也是采用月度数据，难免损失了高频数据中所包含的丰富的波动信息。尤为重要的是，这些波动模型把非条件波动设定为常数，虽然能较好地描述黄金市场的短期波动，但是对于市场的长期波动趋势却难以把握。针对传统波动模型在度量金融市场长期波动趋势方面的缺陷，Engle amp; Rangel (2008)提出了Spline-GARCH模型，把波动区分为高频波动和低频波动，①成功度量了金融市场的长期波动趋势井有效沟通了低频宏观经济数据和高频金融数据的联系。Spline-GARCH模型自提出以来便被广泛应用在研究股票市场、期贷市场等金融市场的低频波动与宏观经济波动之间的关系上。然而迄今为止，学术界还没有将该模型应用于研究黄金现货市场低频波动与宏观经济波动之间的关系上，虽然Karali amp; Power (2013)针对黄金期贷市场进行了研究，考虑到伦敦金的现货价格作为全球黄金的主导价格，显然其低频波动与宏观经济波动的关系更具研究意义。本文采用Spline-GARCH模型分离出黄金市场的低频波动，并放宽传统波动模型中非条件波动的常数限制，深入研究黄金市场低频波动与宏观经济波动之间的关系，其主要贡献在于，分离出国际黄金现货市场波动中的低频波动成分，将高频黄金价格数据与低频宏观经济数据联系起来，分析宏观经济波动对国际黄金市场低频波动的影响克服了已有研究中宏观经济因素难以引人到黄金市场波动模型中的缺陷;进而检验国际黄金价格波动与宏观经济因素波动之间的关系在不同样本期的表现以及宏观经济因素变动对国际黄金价格波动的影响是否存在非对称效应。一、Spline-GARCH模型传统的GARCH模型里，非条件波动被认为是恒定不变的，波动的常数回归假设成了过去25年几乎所有GARCH模型的基础。而事实上，该假设一直饱受争议。Engleamp; Rangel (2008)在传统GARCH模型的基础上提出了Spline-GARCH模型，纠正了非条件波动常数回归的假定，把非条件￠高频波动和条件波动一致，由高频消息的短暂冲击引起，是一种短期动态，其均值回溯速度较快;低频波动对应着非条件波动，和缓慢变化的经济因素相关，反映着波动过程的缓慢变化趋势和长期记忆特征，可解释为条件波动的波动趋势，其均值回溯速度较为缓慢。Maheu(2005)认为，对于中等至大型数据序列，有必要对这两种波动进行准确区分。2014’9 国际金融研究8111 国咀噩噩噩噩噩噩匾噩噩波动设定为时变的，通过使用二次样条(quadraticspline)来提供一个光滑的、非线性的长期趋势，从而从高频数据中分离出可能由宏观经济因素引起的那部分变化(低频波动)，然后通过构造与宏观经济变量具有相同数据频率的低频波动序列为研究高频金融数据与低频宏观经济数据之间的联系搭起了一座有效桥梁使长期以