梁秦龍 劉金石

DOI：10.19699/j.cnki.issn2096-0298.2021.10.

摘 要：本文以黃金和其他主要國際金融指標(biāo)之間的響應(yīng)關(guān)系為研究對象，探討自2008年全球金融危機爆發(fā)后迄今十余年來出現(xiàn)的所謂“商品金融化”現(xiàn)象是否確立。在實證操作上采取標(biāo)普500指數(shù)及其波動率（代表股票市場）、金融市場壓力程度（代表利率市場）、西德州原油指數(shù)（代表原材料商品市場）和貿(mào)易加權(quán)美元指數(shù)（代表貨幣市場）五種主要國際金融指標(biāo)，以最小二乘法和穩(wěn)健回歸法作為全面檢驗?zāi)Ｐ瓦M行顯著性分析。為避免金融序列的異質(zhì)沖擊和單位根影響，我們對所有指標(biāo)變量進行數(shù)據(jù)轉(zhuǎn)化，其中EGARCH（1，1）模型能夠很好地消除股票波動率的條件異方差性。為避免實證期間金融環(huán)境可能會有所變化，我們進行Bai-Perron多元結(jié)構(gòu)斷點檢驗。為避免兩種檢驗?zāi)Ｐ褪艿诫S機誤差項的影響導(dǎo)致判定結(jié)果可能不一致，我們加入BPG檢驗和White檢驗。最后，結(jié)果表明：黃金作為極特殊的大宗商品，具備金融化現(xiàn)象的角色是肯定的。

關(guān)鍵詞：商品金融化;黃金收益;國際金融指標(biāo);EGARCH模型;斷點檢測;最小二乘法;穩(wěn)健回歸法;異方差檢驗

中圖分類號：F811 文獻標(biāo)識碼：A 文章編號：2096-0298（2021）05（b）--06

在金融市場的歷史發(fā)展中，長期以來市場按照交易標(biāo)的資產(chǎn)的經(jīng)濟屬性，分為兩大類：大宗商品類和金融資產(chǎn)類。從全球金融危機（2008—2010）爆發(fā)以來，金融實務(wù)界對金融風(fēng)險規(guī)避工具的選擇策略，有頻繁涉入大宗商品市場的跡象，使得不同資產(chǎn)類別之間的相關(guān)性有所增強，之前的市場區(qū)隔越來越模糊，也成為學(xué)術(shù)理論界探討的熱點議題：“商品金融化”（Commodities Financialization）現(xiàn)象。

因此，本文針對后全球金融危機時代興起的商品金融化現(xiàn)象進行實證，收集十年期間涵蓋大宗商品市場、股票市場、利率市場、貨幣市場等具有代表性意義的主要國際金融指標(biāo)作為研究變量，采取統(tǒng)計檢驗方法進行分析，從中獲取上述假說是否成立的有效判斷。此外，我們從收集到的大量國內(nèi)外有關(guān)研究文獻和實務(wù)信息中發(fā)現(xiàn)，似乎黃金這一大宗商品具有突出的標(biāo)志性，所以我們以黃金作為實證模型的主要因變量，探討其與主要金融指標(biāo)變量之間的響應(yīng)關(guān)系。本文按照傳統(tǒng)學(xué)術(shù)研究的框架展開闡述。

1 文獻綜述

國內(nèi)文獻關(guān)于在大宗商品金融化的前提下，黃金所表現(xiàn)出的避險屬性的研究：范為和房四海（2012）基于EGARCH模型研究了金融危機期間黃金定價與大宗商品CRB指數(shù)、美元指數(shù)USDX、美國國債CDS利差關(guān)系，驗證了黃金價格是由多重屬性共同作用的結(jié)果，并為全球化的投資組合和資產(chǎn)儲備決策提供參考。朱靖宇（2012）通過運用自回歸模型與指數(shù)GARCH模型探討了黃金價格與美國股指收益及波動關(guān)系，結(jié)果證實在收益關(guān)系方面，由于資產(chǎn)替代效應(yīng)和溢出效應(yīng)的存在，黃金價格與美國股指存在單向的同期收益替代和跨期收益溢出效應(yīng)，但在波動關(guān)系方面，兩者之間則僅僅存在單向的同期波動溢出效應(yīng)。

國外文獻較著重分析黃金作為對沖工具或安全工具與傳統(tǒng)資產(chǎn)的比較，有Piplack（2010）運用極值理論檢驗了美國股票、政府債券、國庫券和黃金之間的聯(lián)系，結(jié)果表明雙變量極端聯(lián)系估計值顯示某些資產(chǎn)對時間變化，可能是由石油沖擊或貨幣政策轉(zhuǎn)變等外在因素引起的。Miyazahi（2016）運用了一種近期發(fā)展起來的統(tǒng)計方法來檢測以黃金市場為重點、跨資產(chǎn)相關(guān)性中的非對稱性，實證結(jié)果表明黃金與股票和美元之間存在非對稱相關(guān)性，但與債券之間不存在非對稱相關(guān)性。

2 研究設(shè)計

2.1 檢驗?zāi)Ｐ团c變量擇定

本文主要探討國際黃金收益和國際主要金融指標(biāo)之間的交互關(guān)系，因此，我們首先必須擇定具有國際金融市場代表性的指標(biāo)變量：黃金（Gold）價格以倫敦貴金屬交易定價盤為代表，國際股票市場指標(biāo)變量以標(biāo)準普爾500指數(shù)（SPX）及其波動率（SPVOL）為代表，國際商品市場指標(biāo)變量以西德州中質(zhì)原油價（WTI）為代表，國際貨幣市場指標(biāo)變量以貿(mào)易加權(quán)美元匯率（TWEX）為代表，國際金融市場壓力指標(biāo)變量（FSI）以國際利率市場經(jīng)主成分分析所得最適組合為代表。我們考慮以債券作為指標(biāo)變量，但因為FSI在某種程度上包含了債券市場信息，因此予以略除。

在檢驗?zāi)Ｐ偷倪x擇上，由于本研究期間跨越十年之久，數(shù)據(jù)采集量較龐大，因此采取一般研究者較為熟悉的最小二乘法（OLS）和穩(wěn)健回歸方法（Robust regression）進行多重線性雙重對比，但是又慮及金融指標(biāo)變量可能存在不同質(zhì)變異（variance）的情況，在檢驗?zāi)Ｐ蜕弦胱儺愓{(diào)整技術(shù)，并且對各變量的序列數(shù)據(jù)進行預(yù)處理。

最早的穩(wěn)健回歸方法是由Huber&Peter J（1973）提出的M估計法，此方法可以克服因變量中異常值對整個模型的影響，但缺陷是它無法克服自變量中的異常值所造成的影響，所以當(dāng)某些自變量存在異常值時，M估計方法的穩(wěn)健性可能不如最小二乘法;Rousseeuw&Yohai（1984）提出S估計法，認為如果自變量的異常值對模型的影響較大，那么可以使用S估計法;而Yohai（1987）進一步整合上述方法提出了MM估計法。這也是本研究采用的穩(wěn)健回歸模型依據(jù)。

在M估計中，我們選擇Bisquare定義如下所示。

其中c為任意正調(diào)諧常數(shù)，設(shè)為c = 4.685。

在S估計中，設(shè)定如下所示。

其中c為常數(shù)，設(shè)為c=1.5476。 B為崩潰值，設(shè)置= 0.5。

2.2 實證期間及樣本數(shù)據(jù)

本研究的實證期間涵蓋自2009年10月2日至2019年11月15日十年時間，樣本數(shù)據(jù)從擇定的金融指標(biāo)每交易日數(shù)據(jù)進行周數(shù)據(jù)轉(zhuǎn)化，因為周頻率是一個適當(dāng)?shù)倪x擇，它不僅確保了樣本的數(shù)量，還消除了會發(fā)生在日數(shù)據(jù)的噪音。表1展示了數(shù)據(jù)源，其中黃金、標(biāo)普500指數(shù)和原油這三項金融指標(biāo)都是采現(xiàn)貨價格（spot）。

2.2.1 數(shù)據(jù)源

數(shù)據(jù)源如表1所示。

2.2.2 衡量金融市場壓力程度的指標(biāo)

為了構(gòu)建一個金融壓力指數(shù)（FSI），我們采用了主成分分析法（PCA）來選取最佳代表組合，選取了TED、Aaa-10Y、Baa-Aaa、TERM這四個指標(biāo)變量，分別代表了流動性風(fēng)險、信用風(fēng)險、違約風(fēng)險和貨幣政策傾向或衰退風(fēng)險。

表2代表了上述四個風(fēng)險指標(biāo)提取的主成分分析結(jié)果，圖1展示出金融壓力指數(shù)的時間序列線性過程。通過表2可知，第一組合（FSI 1）占比最大（42.35%），代表其解釋能力最大，也是我們擇取的金融市場壓力程度的指標(biāo)變量。從圖1也可看出，F(xiàn)SI 1的序列線形與黃金價格走勢比較接近。

3 數(shù)據(jù)處理

3.1 對數(shù)轉(zhuǎn)換及波動率求解

對于黃金價格、標(biāo)普500指數(shù)、西德州中質(zhì)原油和貿(mào)易加權(quán)美元指數(shù)，本文采取對數(shù)差分來轉(zhuǎn)換這些時間序列從而得到收益率，其公式如下：

其中， Rt代表收益率， Pt和Pt-1分別代表第t期和第t-1期的收盤價或收盤指數(shù)。

而對于標(biāo)普500指數(shù)波動率，本文采取較嚴謹?shù)腅GARCH （1，1）模型對標(biāo)普500指數(shù)收益率進行轉(zhuǎn)換得出相應(yīng)的幾何波動率。Nelson（1991）對傳統(tǒng)GARCH模型進行修正，允許在模型中出現(xiàn)非對稱效應(yīng)，提出了EGARCH模型，符合金融市場的實際。其公式如下：

在建立EGARCH模型前，對標(biāo)普500的收益率序列進行了正態(tài)性檢驗以及單位根檢驗，結(jié)果表明標(biāo)普500收益率序列在正態(tài)性檢驗與ADF單位根檢驗全部顯著拒絕原假設(shè)，說明模型不符合正態(tài)分布并且沒有單位根存在。

下一步便是建立ARMA模型，ARMA（p，q）的模型方程：

根據(jù)AC和PAC圖，我們初步判定模型為ARMA（1，1），但經(jīng)過實際檢驗，根據(jù)AIC信息準則來看，擬合效果最好的模型為ARMA（2，1），所以最終確定為ARMA（2，1）。在建立EGARCH模型時，我們再次參照AIC信息準則，最終確立EGARCH（1，1），模型如下：

而后根據(jù)EGARCH模型得到殘差的平方并將其標(biāo)準差化，最終得到標(biāo)普500指數(shù)的幾何波動率序列。

3.2 正態(tài)檢驗和相關(guān)性矩陣統(tǒng)計結(jié)果說明

在表3中，由Jarque-Bera檢定結(jié)果及其對應(yīng)的p值判定：除TWEX指標(biāo)變量符合正態(tài)分布，其他所有變量的正態(tài)假設(shè)都被強烈拒絕。

4 實證分析

雖然在金融學(xué)術(shù)界形成共識的理論模型應(yīng)該帶有金融因子（exponential）進行幾何連續(xù)復(fù)利貼現(xiàn)值來表達，然而在實證的操作上直接使用黃金交易所的價格數(shù)據(jù)換算收益率的方法比較簡便，因此我們的估計回歸方程式：

其中e是隨機誤差項。

4.1 Bai-Perron多元結(jié)構(gòu)斷點檢驗結(jié)果及分析

在使用上述估計模型進行全面統(tǒng)計檢驗之前，考慮到研究期間較長，影響黃金收益的背景可能出現(xiàn)不一致的狀況，因此我們先進行多元結(jié)構(gòu)斷點檢驗（Bai-Perron 1998， 2003a， 2003b）。

經(jīng)過這個檢驗，我們確定了兩個斷點，即2011年9月16日和2013年10月25日（表4）。我們對于第一個結(jié)構(gòu)斷點日期的解釋是貨幣政策，特別是全球金融危機之后實施的量化寬松貨幣政策（QE），它導(dǎo)致美元出現(xiàn)了較大幅度的貶值，黃金價格應(yīng)聲上揚，創(chuàng)下歷史高位。第二個結(jié)構(gòu)斷點日期可以歸因于美國經(jīng)濟持續(xù)復(fù)蘇，美聯(lián)儲提前退出量化寬松貨幣政策（QE），給黃金市場帶來沖擊，這種預(yù)期啟動了美元升值走勢，并導(dǎo)致黃金價格大幅下跌。

4.2 最小二乘法和穩(wěn)健回歸結(jié)果及分析

根據(jù)上述多元結(jié)構(gòu)斷點檢測的結(jié)果，我們將實證分析按照斷點期間劃分為兩種類型：全樣本期間和子樣本期間。基于最小二乘法（OLS）和穩(wěn)健回歸（Robust）得到的統(tǒng)計估計值匯整如表5如示。

4.2.1 全樣本期間

表5左上欄目總結(jié)了實證所涵蓋的全部研究期間（10/9/2009-10/15/2019）得到的估計結(jié)果，基于OLS和Robust兩種方法所得結(jié)果并不一致。在全樣本時期內(nèi)，OLS得到兩個指標(biāo)變量是顯著的：標(biāo)普500指數(shù)波動率（SPVOL）、貿(mào)易加權(quán)美元匯率（TWEX），而Robust得到三個指標(biāo)變量具有顯著性，除前述兩者外，另外還有標(biāo)普500指數(shù)收益率（SPX）。由于在異方差性的兩項檢驗（Breusch-Pagan-Godfrey檢驗和White檢驗）所得結(jié)果，都拒絕不存在異方差的原假設(shè)，因此可以判定OLS估計量不是有效的，所以全樣本期間宜采用Robust的結(jié)果進行推論。我們看到具有顯著性的三個指標(biāo)變量檢驗結(jié)果：SPX和TWEX對黃金收益率的響應(yīng)呈現(xiàn)負相關(guān)，其中TWEX的影響性更大;SPVOX對黃金收益率的響應(yīng)呈現(xiàn)正相關(guān)，這意味著黃金收益率隨著標(biāo)普指數(shù)的震蕩加劇而推升，印證了黃金具有市場避險功能，其金融化現(xiàn)象確立。

4.2.2 子樣本期間

隨后，在表5的其他三個欄目分別列示經(jīng)斷點檢驗所得到的三個子樣本期間估計結(jié)果。在第一個子樣本期間，我們發(fā)現(xiàn)OLS和Robust兩種方法的估計結(jié)果一致，只有TWEX對黃金收益率起到負相關(guān)的響應(yīng)作用。BPG和White檢驗的結(jié)果表明，Robust的結(jié)果更加可靠。這段期間是全球金融風(fēng)暴的鄰近階段，雖然各國出臺了解決危機的寬松政策，但政策效果的實現(xiàn)仍處于不確定的局面，唯獨美元匯率指數(shù)這一指標(biāo)變量顯示出明確性。

在第二個子樣本期間（09/16/2011-10/25/2013），均不存在異方差性的原假設(shè)。我們發(fā)現(xiàn)，除了TWEX仍然延續(xù)其對黃金收益率起到顯著響應(yīng)作用之外，金融市場壓力程度（FSI 1）在這一階段出現(xiàn)顯著性，其對黃金收益率起到負的響應(yīng)作用，這表明在經(jīng)過一系列的貨幣寬松政策后，金融市場緊張程度得到緩解，對黃金收益率的推升有明顯抑制作用，甚至國際金價開始步入下行趨勢。

在第三個子樣本期間（10/25/2013-11/15/2019），樣本數(shù)據(jù)是三個子期間里最大的，經(jīng)過異方差性的兩個檢驗以及OLS、Robust兩個回歸模型方法得到的估計結(jié)果，均得到三個指標(biāo)變量具有顯著性：SPX、SPVOL、TWEX，與全樣本期間所得結(jié)果相近。

5 結(jié)語

本文以國際黃金收益為研究主體，并考察標(biāo)普500股指、標(biāo)普500股指波動率、金融市場壓力程度、西德州原油指數(shù)和貿(mào)易加權(quán)美元指數(shù)五個國際主要金融指標(biāo)，經(jīng)過一系列多樣、多種的計量方法和統(tǒng)計檢驗手段進行比對，探討了黃金收益與五個主要指標(biāo)之間的響應(yīng)關(guān)系。根據(jù)實證檢驗結(jié)果，得到研究結(jié)論：

自從2008年全球金融危機爆發(fā)之后迄今有十余年的時間，美元匯率指數(shù)、標(biāo)普500股指及其股指波動率三項國際金融指標(biāo)變量對黃金收益呈現(xiàn)出明顯的響應(yīng)作用。另外從子樣本期間的第二階段，檢驗得到代表市場壓力的FSI1變量出現(xiàn)了顯著負相關(guān)性。以上實證結(jié)果充分表明，在傳統(tǒng)上被視為大宗交易貴金屬商品的黃金，具備金融化屬性的指標(biāo)現(xiàn)象已經(jīng)確立。

在不同的三個子樣本期間，唯一貫穿的共同指標(biāo)變量是美元匯率指數(shù)（TWEX），且其對黃金收益的響應(yīng)作用一直是穩(wěn)定的負相關(guān)。從布雷頓森林體系的建立到崩潰，美元與黃金從掛鉤到脫鉤，乃至隨后出現(xiàn)長期以來美國國家債務(wù)高速膨脹，再加上金融風(fēng)暴后采取一系列貨幣量化寬松政策，造成美元作為國際儲備資產(chǎn)重要地位的保值性受到質(zhì)疑，正是美元發(fā)生了本質(zhì)上的問題，使得黃金在儲備資產(chǎn)的政策選擇上出現(xiàn)和美元的替代效應(yīng)。

對于工業(yè)化程度影響深遠的大宗商品——石油，在2008年全球金融危機發(fā)生前的相當(dāng)一段時期里，石油價格和黃金價格曾經(jīng)有過共振的相關(guān)性，這可能是由于兩者在歷史上被視為具有對抗通貨膨脹的經(jīng)濟屬性使然。但是在后金融危機時代的近十年里，我們發(fā)現(xiàn)西德州石油指數(shù)（WTI）對黃金收益沒有出現(xiàn)響應(yīng)作用，這就能夠說明商品金融化現(xiàn)象集中體現(xiàn)在黃金身上，使得石油這一大宗商品回歸其工業(yè)化經(jīng)濟屬性。

綜上所述，本文提出幾點意見作為參考。首先，黃金的金融化角色已經(jīng)確立，作為資本市場不確定因素的風(fēng)險對沖是可靠的工具選項之一。其次，在金融商品設(shè)計領(lǐng)域，可以考慮將黃金納入投資組合，甚至以其為主要金融基礎(chǔ)資產(chǎn)（underlying assets）進行連結(jié)，例如貨幣基金型、價值穩(wěn)定型、債信評等型等金融理財商品的開發(fā)設(shè)計。最后，作為國家外匯儲備資產(chǎn)的政策選擇，由于美元存在本質(zhì)上的缺陷，為維持儲備資產(chǎn)的長期價值穩(wěn)定性，建立黃金在資產(chǎn)組合上的制度性比例，應(yīng)屬必要。

參考文獻

呂志平.大宗商品金融化問題研究[J].湖北社會科學(xué)，2013（02）： 79-82.

范為，房四海.金融危機期間黃金價格的影響因素研究[J].管理評論，2012（03）：10-18.

曹野.基于GARCH族模型的黃金價格收益率及波動性研究[J].價值工程，2012（02）：163-165.

黃宇夢.我國黃金價格收益率及其波動性研究——基于ARMA與GARCH族模型[J].中國商貿(mào)，2013（22）.

朱靖宇.黃金價格與美國股指間收益及波動關(guān)系研究[D].上海：復(fù)旦大學(xué)，2012.

羅奕.中國股市收益的尾部分布特征分析[J].華北金融， 2011（12）：14-17.

熊苡，王梓丞，孫昭鵬.原油價格與黃金價格的相關(guān)性研究——基于結(jié)構(gòu)斷點的區(qū)間分析[J].價格理論與實踐，2016（04）：113-116.

盧二坡，黃炳藝.基于穩(wěn)健MM估計的統(tǒng)計數(shù)據(jù)質(zhì)量評估方法[J]. 統(tǒng)計研究，2019（12）：16-22.

高鐵梅.計量經(jīng)濟分析方法與建?！狤Views應(yīng)用及實例（第二版）[M].北京：清華大學(xué)出版社，2009.

Miyazaki， Takashi， and Shigeyuki Hamori. Testing for causality between the gold return and stock market performance： Evidence for “gold investment in case of emergency”. Applied Financial Economics 2013（23）： 27–40.

Miyazaki， Takashi， and Shigeyuki Hamori. Cointegration with regime shift between gold and financial variables. International Journal of Financial Research， 2014（05）：90–97.

Miyazaki， Takashi， and Shigeyuki Hamori. The determinants of a simultaneous crash in gold and stock markets： An ordered logit approach. Annals of Financial Economics， 2018（13）：1850004.

Baur D G. Explanatory mining for gold： Contrasting evidence from simple and multiple regressions[J]. Resources Policy， 2011， 36（03）： 265-275.

Piplack， Jan， and Stefan Straetmans. Comovements of different asset classes during market stress. Pacific Economic Review 2010 （15）：385-400.

Hood， Matthew， and Farooq Malik. Is gold the best hedge and a safe haven under changing stock marketvolatility？ Review of Financial Economics， 2013（22）：47-52.

Huber， Peter J . Robust Regression： Asymptotics， Conjectures and Monte Carlo[J]. The Annals of Statistics， 1973，1（05）：799-821.

Research on the Response between International Gold Earnings and Major International Financial Indicators

Beijing Institute of Technology， Zhuhai? ?LIANG Qinlong? LIU Jinshi

Abstract： Based on the response relationship between gold and other major international financial indicators， this paper discusses whether the so-called "commodity financialization" phenomenon has been established since the outbreak of the global financial crisis in 2008. In the empirical operation， five major international financial indicators， namely S&P 500 index and its volatility （representing the stock market）， financial market pressure （representing the interest rate market）， West Texas crude oil index （representing the raw material commodity market） and trade weighted dollar index （representing the money market）， are adopted， and the least square method and robust regression method are used as comprehensive test models for significance analysis. In order to avoid the heterogeneous impact and unit root effect of financial series， we transform the data of all index variables. EGARCH （1，1） model can eliminate the conditional heteroscedasticity of stock volatility. In order to avoid that the financial environment may change during the empirical period， we conduct Bai-Perron multiple structure breakpoint test. In order to avoid the influence of random error term on the two test models， we add BPG test and white test. Finally， the results show that： as a very special commodity， gold has the role of financialization.

Keywords： commodities financialization; gold return; international financial indicators; EGARCH; structural breakpoint test; OLS; robust regression; heteroskedasticity