[摘要]采用多元VAR-BEKK（DCC）-MGARCH模型從定性和定量視角研究國(guó)際黃金市場(chǎng)與中美股市、匯市的關(guān)聯(lián)性及其波動(dòng)溢出效應(yīng)，結(jié)果表明：國(guó)際黃金收益率與上證綜指收益率之間不存在波動(dòng)溢出效應(yīng)；國(guó)際黃金收益率與人民幣匯率收益率、美元指數(shù)收益率、美股指數(shù)收益率之間存在波動(dòng)溢出效應(yīng)。用多元DCC-MGARCH模型刻畫(huà)波動(dòng)溢出效應(yīng)的程度，國(guó)際黃金市場(chǎng)與人民幣匯率市場(chǎng)、股票市場(chǎng)之間的聯(lián)動(dòng)性程度不高，國(guó)際黃金市場(chǎng)與美元市場(chǎng)、美國(guó)股票市場(chǎng)聯(lián)動(dòng)性較高。

[關(guān)鍵詞]黃金市場(chǎng)；金融市場(chǎng)；VAR-BEKK（DCC）—MGARCH模型

[DOI]1013939/jcnkizgsc201726022

1引言

1973年布雷頓森林體系宣告瓦解，黃金逐漸讓出了其在世界貨幣體系中的核心地位。近年來(lái)全球央行對(duì)黃金儲(chǔ)備日益重視，黃金貨幣屬性地位逐步回歸，黃金市場(chǎng)的戰(zhàn)略地位正在提升。各國(guó)中央銀行從2009年到2016年第三季度連續(xù)27個(gè)季度保持黃金凈增持。2016年，世界各地的投資者紛紛回歸黃金市場(chǎng)，黃金需求持續(xù)走高，以美元計(jì)算的國(guó)際金價(jià)上漲近10%，自從美聯(lián)儲(chǔ)在12月中旬增加利率，黃金價(jià)格上漲了5%以上。印度和中國(guó)的世界黃金需求的合并份額從20世紀(jì)90年代初的25%上升到2016年的50%以上。越南、泰國(guó)和南韓等其他市場(chǎng)也有活躍的黃金市場(chǎng)。影響股市、匯市與黃金價(jià)格的關(guān)系眾多，但在一般情況下，它們之間存在此消彼長(zhǎng)的關(guān)系。股市價(jià)格下跌，投資人將資金抽出投入大宗商品期貨市場(chǎng)；世界黃金市場(chǎng)一般以美元標(biāo)價(jià)，美元貶值一方面會(huì)導(dǎo)致金價(jià)上漲；另一方面，以美元計(jì)價(jià)的黃金對(duì)于其他貨幣的持有者來(lái)說(shuō)顯得更便宜，從而刺激對(duì)于黃金的需求。因此，本文從國(guó)際黃金市場(chǎng)對(duì)中美股市、匯市的關(guān)聯(lián)性入手，分析國(guó)際黃金市場(chǎng)與中美股市、匯市之間的集聚性、波動(dòng)溢出效應(yīng)等特征，對(duì)于探討我國(guó)資本市場(chǎng)與國(guó)際經(jīng)濟(jì)的互動(dòng)性有一定的現(xiàn)實(shí)意義。

2文獻(xiàn)綜述

黃金作為一種特殊的大宗商品，具有商品、貨幣和避險(xiǎn)的多重屬性。本文關(guān)注的是黃金市場(chǎng)與中美股市、匯市的關(guān)聯(lián)性及其波動(dòng)溢出效應(yīng)，在這方面的研究主要集中在以下三點(diǎn)。第一，黃金價(jià)格波動(dòng)的影響分析。Larry，F(xiàn)abio S（1996）針對(duì)主要國(guó)家貨幣匯率和世界流通商品進(jìn)行實(shí)證檢驗(yàn)認(rèn)為自布雷頓森林體系瓦解之后，主要貨幣之間的匯率變動(dòng)是影響國(guó)際黃金價(jià)格的主因。[1]Tully和Lucey（2007）認(rèn)為20世紀(jì)90年代以后是美元匯率在黃金價(jià)格波動(dòng)中起主導(dǎo)性作用等。[2]劉曙光（2008）等認(rèn)為從長(zhǎng)期來(lái)看，黃金與美元的價(jià)格變動(dòng)趨于一致。[3]范為等（2012）對(duì)金融危機(jī)期間黃金價(jià)格的影響因素研究發(fā)現(xiàn)：美元指數(shù)負(fù)向驅(qū)動(dòng)黃金價(jià)格，大宗商品指數(shù)、美國(guó)國(guó)債指數(shù)正向驅(qū)動(dòng)黃金價(jià)格。[4]第二，黃金的避險(xiǎn)作用。Cuong Nguyen等（2016）研究表明在市場(chǎng)崩盤(pán)期間，黃金可能成為馬來(lái)西亞、新加坡、泰國(guó)、英國(guó)和美國(guó)市場(chǎng)的避險(xiǎn)資產(chǎn)，在印度尼西亞、日本和菲律賓市場(chǎng)則不成立。[5]Walid Chkili（2016）研究黃金和金磚國(guó)家股市之間的時(shí)變相關(guān)性及黃金作為股票市場(chǎng)避險(xiǎn)的有效性，結(jié)果表明動(dòng)態(tài)相關(guān)性在正值和負(fù)值之間切換，且向股票投資組合增加黃金可以增加調(diào)整回報(bào)。[6]Javed Iqbal（2017）對(duì)印度、巴基斯坦和美國(guó)的股票價(jià)格、通貨膨脹率及匯率的不利波動(dòng)對(duì)沖黃金的潛力進(jìn)行了綜合實(shí)證研究，發(fā)現(xiàn)黃金是印度和巴基斯坦匯率風(fēng)險(xiǎn)的避風(fēng)港；然而，黃金對(duì)沖股票市場(chǎng)風(fēng)險(xiǎn)的證據(jù)在三個(gè)不同的黃金市場(chǎng)狀況下并不一致。此外，美國(guó)黃金對(duì)沖通貨膨脹風(fēng)險(xiǎn)的證據(jù)也只有在黃金市場(chǎng)的平均和看跌條件下才能實(shí)現(xiàn)。[7]Stelios Bekiros（2017）等認(rèn)為黃金市場(chǎng)對(duì)金磚國(guó)家的股票市場(chǎng)在金融危機(jī)期間有主導(dǎo)作用，且黃金正在成為資產(chǎn)組合的一個(gè)組成部分。[8]第三，黃金與金融市場(chǎng)的波動(dòng)溢出效應(yīng)。Dhillon（1997）等研究發(fā)現(xiàn)美國(guó)黃金期貨合約的波動(dòng)性比日本的要強(qiáng)，并且指出這種差異可能由信息傳遞的不同所導(dǎo)致。[9]Xu和Fung（2005）利用AR-GARCH模型對(duì)美、日兩國(guó)黃金期貨合約的跨市場(chǎng)信息傳導(dǎo)進(jìn)行了進(jìn)一步的研究，發(fā)現(xiàn)兩個(gè)市場(chǎng)之間價(jià)格信息的傳遞迅速，收益率信息傳遞方面美國(guó)市場(chǎng)起著主導(dǎo)作用。[10]胡秋靈等（2011）研究發(fā)現(xiàn)我國(guó)股票市場(chǎng)和黃金市場(chǎng)之間存在溢出效應(yīng)，但是溢出效應(yīng)是不對(duì)稱(chēng)的、單向的。[11]

上述文獻(xiàn)對(duì)黃金市場(chǎng)波動(dòng)溢出效應(yīng)的研究對(duì)象主要為黃金市場(chǎng)與股市或黃金市場(chǎng)與匯市。出于以下三方面原因，本文將研究國(guó)際黃金市場(chǎng)與中美股市、匯市的聯(lián)動(dòng)性及其波動(dòng)溢出效應(yīng)：一是美國(guó)作為世界最大的經(jīng)濟(jì)體，國(guó)際金價(jià)以美元計(jì)價(jià)。中國(guó)作為世界第二大經(jīng)濟(jì)體，上游擁有眾多的產(chǎn)金企業(yè)，下游擁有世界第一的龐大消費(fèi)群體；二是美國(guó)的股市是監(jiān)管較完善的市場(chǎng)，而中國(guó)股市2005年改革至今僅有10多年歷史，監(jiān)管仍不完善，通過(guò)比較可以發(fā)現(xiàn)國(guó)際黃金價(jià)格對(duì)于中美股市是否有不同影響；三是國(guó)際黃金價(jià)格以美元計(jì)價(jià)，美元指數(shù)波動(dòng)對(duì)金價(jià)有直接影響。陳煜明（2006）認(rèn)為非美元貨幣升值的同時(shí)，美元金價(jià)上漲，在中國(guó)人民銀行宣布人民幣升值的第二天，國(guó)際黃金市場(chǎng)在買(mǎi)盤(pán)的帶動(dòng)下小幅度上漲。[12]鄭佳等（2007）認(rèn)為短期黃金價(jià)格的波動(dòng)受到人民幣匯率變動(dòng)的直接影響，人民幣匯率和國(guó)際黃金價(jià)格之間存在著此消彼長(zhǎng)的關(guān)系。[13]本文采用VAR-BEKK（DCC）—MGARCH模型從定性和定量視角研究國(guó)際黃金市場(chǎng)與中美股市、匯市的波動(dòng)溢出效應(yīng)。

3模型實(shí)證分析

31數(shù)據(jù)的基本描述性統(tǒng)計(jì)

本文選取的數(shù)據(jù)為世界黃金現(xiàn)貨指數(shù)（gcp）的收盤(pán)價(jià)、美元兌人民幣即期匯率（cny）、上證綜指（szzz）、美元指數(shù)（usd）以及美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)（bzpe）的日頻數(shù)據(jù)，時(shí)間從2010年1月4日到2017年3月17日，數(shù)據(jù)來(lái)源于Wind資訊，剔除交易日不一致的數(shù)據(jù)，形成平行面板，共5組各1648個(gè)交易日數(shù)據(jù)。各市場(chǎng)的日收益率定義為Ri=100×（lnpt-lnpt-1）， pt表示各市場(chǎng)的日收盤(pán)價(jià)。利用Stata130對(duì)各市場(chǎng)收益率序列進(jìn)行統(tǒng)計(jì)分析：從標(biāo)準(zhǔn)差看，美元指數(shù)和人民幣匯率收益率的波動(dòng)較小，分別為033、0138。中國(guó)實(shí)行參考一籃子貨幣進(jìn)行調(diào)節(jié)的有管理的浮動(dòng)匯率制度，與美元協(xié)同緊密，因此與美元匯率之比波動(dòng)不大；從Jarque-Bera 統(tǒng)計(jì)量檢驗(yàn)結(jié)果看，五個(gè)變量的收益率均不服從正態(tài)分布；從偏度和峰度系數(shù)看，美元指數(shù)和人民幣匯率收益率為尖峰右厚尾，其余三個(gè)變量收益率為尖峰左厚尾，變動(dòng)狀態(tài)均具有GARCH模型的特征且ADF檢驗(yàn)顯示五個(gè)變量都是平穩(wěn)的；對(duì)各收益率序列進(jìn)行白噪聲檢驗(yàn)，結(jié)果顯示均存在自相關(guān)，即存在較強(qiáng)的波動(dòng)聚集現(xiàn)象；從Ljung-Box Q統(tǒng)計(jì)量看，序列存在不同程度的自相關(guān)，序列平方的Ljung-Box Q統(tǒng)計(jì)量表明序列平方也存在序列相關(guān)，即序列具有波動(dòng)集聚性；ARCH-LM檢驗(yàn)顯示各收益率序列存在異方差；從各收益率序列的軌跡圖（圖略）可以看到五市收益率序列均表現(xiàn)出波動(dòng)集聚性，較大的波動(dòng)發(fā)生在更長(zhǎng)的時(shí)期，較低的收益往往跟隨著小波動(dòng)值。endprint

為此，采用VAR-BEKK（DCC）-MGARCH的異方差建模方法是較為合理的。Engle（1982）提出自回歸條件異方差模型（ARCH模型）能夠很好地刻畫(huà)金融資產(chǎn)收益率的時(shí)間序列存在的特征，[14]Bollerslev（1986）提出了廣義的自回歸條件異方差（GARCH模型），使待估計(jì)參數(shù)減少，能夠保證條件方差矩陣是正定的，對(duì)未來(lái)?xiàng)l件方差的預(yù)測(cè)更加準(zhǔn)確。[15]多元MGARCH模型是在ARCH模型和GARCH模型的基礎(chǔ)上發(fā)展起來(lái)的，MGARCH模型包含了條件矩相互影響的參數(shù)，在資產(chǎn)和市場(chǎng)間的波動(dòng)傳導(dǎo)、期貨套利等方面得到了廣泛的應(yīng)用。

32國(guó)際黃金市場(chǎng)與中美金融市場(chǎng)的波動(dòng)溢出效應(yīng)

金融市場(chǎng)間的溢出效應(yīng)分為兩種：均值溢出效應(yīng)和波動(dòng)溢出效應(yīng)。所謂“均值溢出效應(yīng)”是指一個(gè)市場(chǎng)的收益不僅受到自身前期收益的影響，還可能受到其他市場(chǎng)前期收益的影響，即收益率條件一階矩的Granger因果關(guān)系，均值溢出效應(yīng)檢驗(yàn)基于均值方程VAR（p）模型?！安▌?dòng)溢出效應(yīng)”是指一個(gè)市場(chǎng)的波動(dòng)程度不僅受自身過(guò)去波動(dòng)程度的影響，還可能受到其他市場(chǎng)波動(dòng)程度的影響，即收益率二階矩的Granger因果關(guān)系，波動(dòng)溢出效應(yīng)檢驗(yàn)則基于方差方程MGARCH-BEKK模型。向量的BEKK模型設(shè)定為：

Yt=β0+β1pi=1Xt-i+δt，δt|It-1～N（0，Ht）（1）

Ht=C′C+A′δt-1δ′t-1A+B'Ht-1B（2）

L（θ）=-TN2log2π-12Tt=1logHt+εtTH-1tεt） （3）

第一個(gè)方程為均值方程，第二個(gè)方程為條件方差方程，X和Y分別為解釋變量和被解釋變量的向量形式，It為t時(shí)刻獲得市場(chǎng)信息，δt|It-1～N（0，Ht）表示隨機(jī)干擾項(xiàng)δt在t-1時(shí)刻的信息集合條件下服從正態(tài)分布，Ht為條件協(xié)方差矩陣。矩陣C、A、B均為n階方陣，C 為下三角形矩陣，保證條件協(xié)方差矩陣Ht的正定性；A 代表ARCH 項(xiàng)的系數(shù)矩陣（δt），用來(lái)衡量序列的滯后一期殘差項(xiàng)（ARCH）對(duì)本期條件方差的影響程度；B 為GARCH 項(xiàng)的系數(shù)矩陣（σt），用來(lái)衡量序列的滯后一期條件方差（GARCH）對(duì)本期條件方差的影響程度。式（2）可以通過(guò)最大化對(duì)數(shù)似然函數(shù)，即式（3）進(jìn)行估計(jì)。

本文用向量VAR模型建立均值方程，通過(guò)AIC、BIC和SIC準(zhǔn)則并結(jié)合LM統(tǒng)計(jì)量確定最優(yōu)滯后階數(shù)為1階。國(guó)際黃金市場(chǎng)與中美金融市場(chǎng)的均值模型（1）估計(jì)結(jié)果如下：

rgcp=000656-00194rgcpt-1+0358rcnyt-1+0001rszzzt-1-0141rusdt-1+00153bzpet-1

rcny=-00003+00043rgcpt-1+019rcnyt-1+00053rszzzt-1+0842rusdt-1-00014bzpet-1

rszzz=-001-00235rgcpt-1-0175rcnyt-1+001rszzzt-1-00461rusdt-1+0248rbzpet-1

rusd=00148+0001rgcpt-1+00148rcnyt-1+0009rszzzt-1-0016rusdt-1-004rbzpet-1

rbzpe=005-0002rgcpt-1-0067rcnyt-1+0006rszzzt-1-0134rusdt-1-007rbzpet-1

VAR平穩(wěn)性檢驗(yàn)顯示所有特征根都落在單位圓內(nèi)，所以VAR系統(tǒng)為平穩(wěn)過(guò)程。利用LM檢驗(yàn)可知?dú)埐畈淮嬖谛蛄邢嚓P(guān)，即模型設(shè)定是正確的。從模型（1）的估計(jì)結(jié)果可以看出，國(guó)際黃金市場(chǎng)收益率和中美金融市場(chǎng)收益率均受到其自身滯后項(xiàng)的影響。人民幣匯率收益率對(duì)黃金收益率具有正向的均值溢出效應(yīng)，其效應(yīng)值遠(yuǎn)遠(yuǎn)大于上證綜指的作用，黃金收益率對(duì)人民幣匯率的均值溢出效應(yīng)明顯偏弱，黃金收益率與人民幣匯率之間存在雙向的信息傳遞機(jī)制，方向均為正向，但這種傳遞的強(qiáng)弱性不對(duì)稱(chēng)；黃金收益率對(duì)上證綜指的均值溢出效應(yīng)為負(fù)向且偏弱，黃金收益率與上證綜指之間存在雙向的信息傳遞機(jī)制，方向均為負(fù)向，且傳遞的強(qiáng)弱性不對(duì)稱(chēng)。美元指數(shù)對(duì)黃金收益率具有負(fù)向的均值溢出效應(yīng)，黃金收益率對(duì)美元指數(shù)具有正向的均值溢出效應(yīng)，效應(yīng)值偏??；美股指數(shù)收益率對(duì)黃金收益率有正向的均值溢出效應(yīng)，反之則有負(fù)向均值溢出效應(yīng)，且傳遞的強(qiáng)弱性不對(duì)稱(chēng)。

表1為模型（2）的估計(jì)結(jié)果，A、B非對(duì)角項(xiàng)的參數(shù)分別代表市場(chǎng)i對(duì)市場(chǎng)j的ARCH型和GARCH型波動(dòng)溢出效應(yīng)。從表1的波動(dòng)溢出模型參數(shù)估計(jì)結(jié)果可知，主對(duì)角線上參數(shù)值均不為零且顯著，說(shuō)明每個(gè)市場(chǎng)的波動(dòng)都明顯受自身以往波動(dòng)程度的影響，從單個(gè)市場(chǎng)來(lái)看，波動(dòng)具有集聚性。利用Wald統(tǒng)計(jì)量對(duì)模型的波動(dòng)溢出效應(yīng)進(jìn)行檢驗(yàn)，原假設(shè)為兩個(gè)金融市場(chǎng)之間不存在波動(dòng)溢出效應(yīng)。結(jié)果顯示，國(guó)際黃金收益率與上證綜指收益率之間不存在波動(dòng)溢出效應(yīng)；國(guó)際黃金收益率與人民幣匯率收益率、美元指數(shù)收益率、美股指數(shù)收益率之間存在波動(dòng)溢出效應(yīng)。

對(duì)標(biāo)準(zhǔn)化殘差項(xiàng)和標(biāo)準(zhǔn)化殘差項(xiàng)的平方進(jìn)行自相關(guān)檢驗(yàn)和ARCH效應(yīng)檢驗(yàn)，結(jié)果顯示標(biāo)準(zhǔn)化殘差項(xiàng)和標(biāo)準(zhǔn)化殘差項(xiàng)的平方不存在自相關(guān)，拉格朗日乘數(shù)檢驗(yàn)的結(jié)果也表明不存在殘余的ARCH效應(yīng)，這說(shuō)明模型的擬合是合適的。

33國(guó)際黃金市場(chǎng)與中美金融市場(chǎng)的聯(lián)動(dòng)性

首先單獨(dú)對(duì)各變量做GARCH（1，1）模型，用獲得的條件方差h2t去除殘差得到標(biāo)準(zhǔn)化殘差；第二步，利用第一步的結(jié)果，用MLE或QMLE估計(jì)DCC模型中的動(dòng)態(tài)相關(guān)系數(shù)矩陣，其元素ρij，t可認(rèn)為是變量εi，t、εj，t的相關(guān)系數(shù)，變量均值為零。

ρij， t=i-1s=1λsε～i， t-sε～j， t-s（i-1s=1λsε～2i， t-s）（i-1s=1λsε～2j， t-s）（4）

其中，ε～i， t-s為標(biāo)準(zhǔn)化擾動(dòng)項(xiàng)（方差標(biāo)準(zhǔn)化為1），而λs為幾何權(quán)重（離時(shí)期t越遠(yuǎn)，則權(quán)重依幾何級(jí)數(shù)減少）。Rt的動(dòng)態(tài)過(guò)程由式（5）、式（6）決定：endprint

Rt=diag（Qt）-1/2Qtdiag（Qt）-1/2（5）

Qt=（1-λ1-λ2）R+λ1t-1′t-1+λ2Qt-1（6）

L=-12Tt=1[klog（2π）+log（|Ht|）+ε′tH-1tεt]（7）

其中，ε～t是標(biāo)準(zhǔn)化后的擾動(dòng)項(xiàng)，ε～t=Dt-1/2εt， Dt是方差對(duì)角矩陣，R為Rt的均值，為了保證Ht的正定性，約定參數(shù)λ1和λ2均為非負(fù)參數(shù)，且0≤λ1+λ1≤1。式（7）為DCC-MVGARCH 模型的條件對(duì)數(shù)似然函數(shù)。

從DCC模型的估計(jì)參數(shù)λ1和λ2看，兩者均顯著，且λ1+λ2=09467<1，滿足約束條件。λ1測(cè)度了標(biāo)準(zhǔn)化后的隨機(jī)干擾項(xiàng)乘積對(duì)動(dòng)態(tài)相關(guān)系數(shù)的影響，λ1=00227，意味著總體上國(guó)際黃金市場(chǎng)和中美金融市場(chǎng)前期隨機(jī)干擾項(xiàng)乘積對(duì)本期動(dòng)態(tài)相關(guān)系數(shù)影響較小，即過(guò)去的外部聯(lián)合隨機(jī)干擾不能改變當(dāng)前國(guó)際黃金市場(chǎng)和中美金融市場(chǎng)的相關(guān)性；λ2=0924表明國(guó)際黃金市場(chǎng)和中美金融市場(chǎng)前期動(dòng)態(tài)相關(guān)系數(shù)對(duì)本期動(dòng)態(tài)相關(guān)系數(shù)影響較大，市場(chǎng)的聚類(lèi)現(xiàn)象突出，國(guó)際黃金市場(chǎng)和中美金融市場(chǎng)時(shí)變相關(guān)存在持續(xù)性特征。

從表2的ARCH和GARCH模型的波動(dòng)部分看，αi， p和βi， q是用來(lái)捕捉ARCH和GARCH效應(yīng)的，除國(guó)際黃金市場(chǎng)收益率的ARCH參數(shù)外，其余參數(shù)均顯著，存在明顯的波動(dòng)集聚效應(yīng)。αi， p在（003，021）區(qū)間范圍之內(nèi)，表明五個(gè)市場(chǎng)收益率本期的動(dòng)態(tài)異方差受其前期均值殘差平方的影響較小。除人民幣匯率市場(chǎng)外，βi， q均接近于1，表明其余市場(chǎng)收益率的本期的動(dòng)態(tài)異方差主要依賴(lài)于其前期的動(dòng)態(tài)異方差。αi， p+βi， q<1符合約束條件，且αi， p+βi， q表示收益率波動(dòng)的持續(xù)性，除人民幣匯率市場(chǎng)外，其余市場(chǎng)的波動(dòng)持續(xù)性都很強(qiáng)。

從下圖可以看出，在整個(gè)樣本期，動(dòng)態(tài)條件相關(guān)系數(shù)表現(xiàn)出較強(qiáng)的隨時(shí)間變化的特征，即時(shí)變性顯著，且圍繞一個(gè)顯著異于零的值波動(dòng)，國(guó)際黃金市場(chǎng)與各金融市場(chǎng)間的動(dòng)態(tài)條件相關(guān)系數(shù)在2017年開(kāi)始趨于穩(wěn)定。國(guó)際黃金價(jià)格收益率與美元指數(shù)收益率的動(dòng)態(tài)條件相關(guān)系數(shù)存在負(fù)的相關(guān)性，波動(dòng)區(qū)間與標(biāo)準(zhǔn)差均為最大，說(shuō)明兩者之間的波動(dòng)較大。國(guó)際黃金價(jià)格收益率與人民幣匯率收益率、美元指數(shù)收益率的時(shí)變相關(guān)系數(shù)在2016年6月、7月出現(xiàn)波峰，分別達(dá)到022和045，受英國(guó)退出歐盟的影響，美元和黃金價(jià)格大漲，人民幣貶值壓力再升，股市動(dòng)蕩，在此之前，兩者的動(dòng)態(tài)相關(guān)系數(shù)多為負(fù)值，但在2017年以后趨于穩(wěn)定。國(guó)際黃金收益率與人民幣匯率收益率存在負(fù)相關(guān)性。對(duì)于匯率市場(chǎng)而言，國(guó)際黃金價(jià)格與美元指數(shù)更加協(xié)同緊密。國(guó)際黃金收益率與上證綜指、標(biāo)準(zhǔn)普爾500指數(shù)均為正相關(guān)；國(guó)際黃金市場(chǎng)與美國(guó)股市的波動(dòng)區(qū)間達(dá)到0797，兩者之間的動(dòng)態(tài)相關(guān)性較強(qiáng)；國(guó)際黃金市場(chǎng)與上證綜指的波峰出現(xiàn)在2013年6月，這期間銀行間同業(yè)拆借利率飆升，滬指跌幅超過(guò)5%，黃金作為保值品價(jià)格上漲；對(duì)于同時(shí)持有股票和黃金的投資者而言，必須對(duì)股票和黃金的相關(guān)性引起足夠的重視。因?yàn)檫@會(huì)對(duì)由股票和黃金組成的資產(chǎn)組合的風(fēng)險(xiǎn)造成相當(dāng)大的影響。國(guó)際黃金市場(chǎng)與中美股市、匯市的動(dòng)態(tài)條件相關(guān)系數(shù)均不超過(guò)05，說(shuō)明市場(chǎng)走勢(shì)有較大偏離，分割效應(yīng)明顯。

動(dòng)態(tài)相關(guān)系數(shù)圖

4結(jié)論

本文采用日度數(shù)據(jù)，基于多元VAR-BEKK-MGARCH（DCC）模型從定性和定量?jī)煞矫鎸?duì)國(guó)際黃金市場(chǎng)與中美金融市場(chǎng)的波動(dòng)溢出效應(yīng)及其關(guān)聯(lián)性進(jìn)行分析，得出的主要結(jié)論是：國(guó)際黃金收益率與上證綜指收益率之間不存在波動(dòng)溢出效應(yīng)；國(guó)際黃金收益率與人民幣匯率收益率、美元指數(shù)收益率之間存在負(fù)向的單向波動(dòng)溢出效應(yīng)；國(guó)際黃金收益率與美股指數(shù)收益率之間存在正向的單向波動(dòng)溢出效應(yīng)；進(jìn)一步用多元DCC-MGARCH模型的動(dòng)態(tài)時(shí)變相關(guān)系數(shù)刻畫(huà)波動(dòng)溢出效應(yīng)的程度，國(guó)際黃金市場(chǎng)與人民幣匯率市場(chǎng)、中國(guó)股票市場(chǎng)之間的聯(lián)動(dòng)性不算太高，但是國(guó)際黃金市場(chǎng)與美元市場(chǎng)、美國(guó)股票市場(chǎng)聯(lián)動(dòng)性較高；國(guó)際黃金市場(chǎng)與中美股市、匯市存在市場(chǎng)分割效應(yīng)。

實(shí)證結(jié)果指明了國(guó)際金融市場(chǎng)上的波動(dòng)溢出方向及其關(guān)聯(lián)性，對(duì)金融風(fēng)險(xiǎn)監(jiān)管部門(mén)和各國(guó)的投資者具有重要的啟示作用：一是對(duì)于金融風(fēng)險(xiǎn)監(jiān)管部門(mén)來(lái)說(shuō)，在對(duì)國(guó)際金融風(fēng)險(xiǎn)進(jìn)行管理時(shí)，要提前采取風(fēng)險(xiǎn)防范措施，特別是對(duì)于波動(dòng)溢出效應(yīng)較強(qiáng)的金融市場(chǎng)，要重點(diǎn)關(guān)注它們的風(fēng)險(xiǎn)傳染路徑；二是我國(guó)金融監(jiān)管部門(mén)應(yīng)轉(zhuǎn)變政府職能，減少政策干預(yù)，逐步開(kāi)放資本市場(chǎng)以適應(yīng)經(jīng)濟(jì)全球化的趨勢(shì)，加強(qiáng)國(guó)際金融合作，發(fā)展健康的國(guó)內(nèi)、國(guó)際金融環(huán)境；三是對(duì)于投資者來(lái)說(shuō)，在國(guó)際金融市場(chǎng)上進(jìn)行投資時(shí)，需要了解和關(guān)注不同金融市場(chǎng)的波動(dòng)溢出效應(yīng)和聯(lián)動(dòng)性，可利用不同的低波動(dòng)溢出效應(yīng)和負(fù)相關(guān)性市場(chǎng)進(jìn)行跨市場(chǎng)資產(chǎn)以達(dá)到資產(chǎn)組合的有效配置從而制定更理性的量化投資策略，分散投資風(fēng)險(xiǎn)，減少投資策略不當(dāng)而造成不必要的損失。

參考文獻(xiàn)：

[1]Larry A，F(xiàn)abio SThe Price of Gold and the Exchange rate[J].Journal of International Money and Finance，1996（15）：879-897

[2]Tully E，Lucey B MA Power GARCH Examination of the Gold Market[J].Research in International Business and Finance，2007（2）：316-325

[3]劉曙光，胡再勇黃金價(jià)格的長(zhǎng)期決定因素穩(wěn)定性分析[J].世界經(jīng)濟(jì)研究，2008（2）：35-41，87

[4]范為，房四海金融危機(jī)期間黃金價(jià)格的影響因素研究[J].管理評(píng)論，2012（3）：8-16

[5]Nguyen C，M I Bhatti，Komorníková M，Komorník JGold Price and Stock Markets Nexus under Mixed-copulas[J].Economic Modelling，2016（58）：283-292endprint

[6]Chkili WDynamic Correlations and Hedging Effectiveness between Gold and Stock Markets： Evidence for BRICS Countries[J].Research in International Business and Finance，2016（38）：22-34

[7]Iqbal JDoes Gold Hedge Stock Market，Inflation and Exchange Rate Risks？ An Econometric Investigation[J].International Review of Economics & Finance，2017（48）：1-17

[8]Bekiros S，Boubaker S，Nguyen D K，et alBlack Swan Events and Safe Havens： The Role of Gold in Globally Integrated Emerging Markets[J].Journal of International Money and Finance，2017（73）：317-334

[9]Dhillon U S，Lasser D J，Watanabe TVolatility，Information，and Double Versus Walrusian Auction Pricing in US and Japanese Futures Markers[J].Journal of Banking&Finance，1997，21（7）：1045-1061

[10]Xu X E，F(xiàn)ung H GCross-market Linkages between US and Japanese Precious Metals Futures Trading[J].Journal of International Financial Markets，Institutions and Money，2005（15）：107-124

[11]胡秋靈，趙靜股票市場(chǎng)與黃金市場(chǎng)收益率波動(dòng)溢出效應(yīng)研究[J].統(tǒng)計(jì)與決策，2011（1）：144-146

[12]陳煜明人民幣升值對(duì)國(guó)內(nèi)金價(jià)影響研究[J].黃金，2006（11）：6-8

[13]鄭佳，林斌人民幣匯率變動(dòng)對(duì)國(guó)際黃金價(jià)格的影響[J].黃金，2007（7）：4-7

[14]Engle R FAutoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J].Econometrica，1982，50（4）：987-1007

[15]Bollerslev T PGeneralized Autoregressive Conditional Heteroskedasticity with Application in Finance[J].General Information，1986，31（3）：307-327

[作者簡(jiǎn)介]劉勝粵（1993—），女，廣西玉林人，廣西大學(xué)商學(xué)院碩士研究生。研究方向：金融統(tǒng)計(jì)。endprint