吴彤

摘 要：通过对黄金价格影响因素进行梳理，在此基础上归纳美联储加息对黄金价格的影响的路径，并构建带有虚拟变量的ARMA-GARCH模型进行实证回归分析，本文得出如下结论：美联储加息对黄金价格影响不显著，但会导致黄金价格波动加剧，黄金资产组合管理应注意美联储加息影响，防范风险。

关键词：美联储加息；黄金价格；政策宣告时点；ARMA-GARCH模型

一、引言

黄金，作为一种特殊的大宗商品，具有货币和避险的多重属性。黄金的货币属性是指黄金作为支付手段，发挥其货币职能，这表明即使在黄金非货币化之后，它仍是被国际接受的继美元、 欧元、英镑、日元之后的第五大国际结算货币；同时，黄金事关一国的金融安全，是一国官方储备的重要组成部分。黄金的避险属性是指当金融、经济出现大幅波动或危机时，黄金都成为资金的避风港，每次经济、金融危机期间都有大量避险资金涌入黄金市场。布雷顿森林体系确立美元与黄金挂钩，并规定美元处于等同黄金的地位。世界上国际贸易结算货币大部分是用美元结算，所以美联储加息会吸引很多国际资本回流美国，美元就会升值走强，美国经济走好，那么黄金避险作用则大幅度降低，因而使投资者进行其他投资，以美元计价的黄金自然就会价格下跌。在2010年以后的几次美联储加息过程中，黄金价格也不同程度的变动，大体表现为下降趋势。为了更加准确的探究美联储加息是否影响黄金价格？本文将通过ARMA-GARCH模型分析2010年以后美联储加息期间的黄金价格是否受加息影响。

本文首先对黄金价格影响因素进行梳理，并对美联储加息对黄金价格的影响进行过程上的探讨，在此基础上搜集2000年以后美联储加息时点，构建带有虚拟变量的ARMA-GARCH模型进行实证分析，最后基于分析结果对美联储加息对黄金价格的影响进行归纳总结。

二、黄金价格影响因素

本文首先对黄金价格影响因素的相关文献进行梳理。杨柳勇和史震涛（2004）认为黄金价格的波动主要来自其作为资产属性受投资需求因素的影响，其中主要包括美元避险需求、通货膨胀的对冲需求、投资组合多样化需求，以及安全避险需求等因素，并得出结论认为：影响黄金价格的长期性决定因素有道琼斯价格指数、美国通货膨胀率、美元名义有效汇率、美国联邦基金利率。王俊婷（2016）通过协整检验分析得出，黄金汇率与美元价格之间存在负相关的长期均衡关系；但根据经验和部分学者指出这些因素对黄金价格的影响并不是很明显，Cai（2001）从宏观数据影响的角度出发，研究了美国宏观数据发布对黄金的影响，发现其影响程度显著低于对债券市场和汇率市场的影响，在1994年-1997年间，美联储的23次宏观经济政策只有6次对黄金市场产生了明显的影响。丁绪辉、高新雨（2014）利用GARCH族模型进行分析，得出外部冲击对国际黄金价格的影响较为持续，而衰退过程缓慢的结论。付丹和梅雪（2009）指出在美国主导世界经济的背景下，美元指数主要反映美国经济状况，而美国10年期国债收益率和通胀率是同步指标，均影响黄金价格的走势。王文杰等（2009）使用波动性建模的方法和结合事件研究法进行分析，该研究表明：美元指数USDX与美国国债收益率和黄金收益率具有明显负相关性；而黄婷和李景华（2015）通过分析脉冲和方差的方法进行研究，结果表明，美元指数的冲击影响黄金价格，并对后者具有较强的导向力，但黄金价格和美国的物价水平呈正向相关。Levin和Wright（2006）实证考察了长期和短期内黄金价格的决定因素，认为从长期关系来看，黄金价格和美国的物价水平存在长期、固定的正向相关。因而黄金可以作为通货膨胀的长期套期保值工具，即使冲击导致黄金价格和美国通货膨胀率的长期关系出现偏离，也存在缓慢逆转过程。

综上所述，黄金价格受多种因素影响。但由于黄金的供给和生产都比较稳定，而其作为工业品需求和消費需求的变化也十分有限。由此，从实体层面来说，黄金的供给需求关系在一定时期内比较平稳。而上述研究成果表明，黄金价格波动主要源自其资产属性，受到投资需求变化的影响，包括其作为大宗商品通胀对冲需求、投资组合优化需求和美元避险需求。基于文献的回顾与分析，本文将美联储加息对黄金价格的影响路径总结如下：

1.信号路径

美联储加息传递了美国经济向好的信息，黄金作为避险资产的需求下降。且由于黄金是以美元进行标价的，美联储加息传递出美元汇率上涨的可能信号，因此黄金价格下跌。当投资者意识到长期内短期利率将维持在较高水平，投资者避险需求降低，转而投资顺周期资产，黄金需求降低，继而价格降低，同时价格剧烈波动。

2.流动性路径

资产价格与流动性具有密切关联。诸多研究表明，过度流动性导致资产价格的上涨，而流动性不足可能成为资产价格下跌的原因。为防止资本外流，美联储加息可能会引起其他国家的货币政策收紧，从而使得投资者持币的机会成本增加，进而增加了流动性溢价，推高金融资产价格。而黄金作为重要的金融资产，其价格受到市场流动性的影响。流动性收紧可能导致黄金价格下降，同时价格剧烈波动。

基于前文的分析，本文提出以下假设：

H1：美联储加息导致黄金价格下降

H2：美联储加息导致黄金价格波动性增加

三、基于ARMA-GARCH模型的黄金价格分析

1.模型建立

基于前文的分析论证，本文建立带有虚拟变量的ARMA-GARCH模型，基于此进一步分析美联储加息对黄金价格的影响。模型如式（1）所示。

其中R1，…，Rn在相应的政策宣告时点发生后取值为1，否则为0。项分别为收益率均值、AR（1）项系数、MA（1）项系数、收益率残差、方差方程常数项、ARCH（1）项系数、GARCH项系数、虚拟变量Rk项系数。从公式（1）中可以看出，当期的条件方差主要取决于四个部分，分别是上一期的条件方差、上一期的残差项、代表股市波动性突变的虚拟变量和截距项。其中截距项不受各期条件方差和残差项的影响，反映的是波动性系统地上升或者下降。如截距项变大，说明波动性系统性上升，反之亦然。α和β的变化反映了股市波动性的持续性和长期记忆性，表示股市对新信息和历史信息的反映程度。而Zk系数则反映了第k个事件冲击对黄金价格波动的结构性影响。

2.数据来源

本文以2010年4月15日-2017年4月4日的Comex黄金指数收益率为样本数据，数据来源于Wind数据库。同时通过网络检索，将2015年12月17日和2016年12月15日作为美联储加息政策宣告日。在搜索数据的基础上，基于模型（1）本文对美联储加息对黄金价格的影响进行研究。本文使用的统计软件为Eviews。

3.实证结果

基于模型（1），本文对美联储加息对黄金价格的影响进行研究。实证结果如表所示。由表1中可以看出，均值方程中D1与D2的系数均不显著，表明美联储加息的政策宣告对黄金价格的变化并没有显著影响，研究结论不能验证假设H1。而在方差方程中，D1和D2的系数均显著为正，研究结论验证假设H2。具体的分析本文在总结与结论部分展示。

四、结论与总结

本文通过对黄金价格影响因素进行梳理，在此基础上探讨美联储加息对黄金价格的影响，搜集2010年以后美联储加息政策宣告日作为加息时点，构建带有虚拟变量的ARMA-GARCH模型进行实证分析。根据实证研究结果，本文得出如下结论：

首先，基于本文的实证研究结果，美联储加息对黄金价格影响不显著。进一步分析其原因，本文认为加息前的政策预期可能能够揭示这一现象，即美联储宣告加息前加息政策已经被投资者和分析师所预期，美联储加息对黄金价格的影响已经反映在黄金价格当中。因此，当加息宣告时，黄金价格没有显著的上升或下降，但该观点还有待进一步研究，本文在此不再探讨。

其次，美联储加息对黄金价格波动性有显著的正向影响，验证了本文的假设H2。本文认为该影响主要通过信号效应传递。美联储加息向市场传递了美国经济走强的信号，而与之相应的是其他国家所面临的严重的资本外流压力，经济不确定性增加。另一方面，历史进程中美联储加息周期总是伴随着地区性的经济危机，投资者将美元加息作为一种市场不稳定的信号，由此增加了资产价格的波动性。

综上所述，基于带有虚拟变量的ARMA-GARCH模型实证回归分析，本文认为美联储加息对黄金价格影响不显著，但会导致黄金价格波动加剧。黄金资产管理应注重美联储加息的影响，注意规避风险，完善管理机制，优化投资组合。

参考文献：

[1]杨柳勇，史震涛.黄金价格的长期决定因素分析[J].统计研究，2004，21（6）：21-24.

[2]王俊婷.美元匯率对黄金价格影响的实证分析[J].全国商情·理论研究，2016（6）：80-81.

[3]Cai M， Wang J， Wang S. Analysis of energy distribution and prediction of rock burst during deep mining excavation in Linglong gold mine[J]. Chinese Journal of Rock Mechanics & Engineering， 2001.

[4]丁绪辉，高新雨，杨凯凯.国际黄金价格波动特征及风险防范研究--基于GARCH族模型的实证分析[J].价格理论与实践，2014（7）：72-74.

[5]付丹，梅雪，张晖，等.黄金价格与通货膨胀相关性的实证分析[J].黄金，2009，30（1）：4-7.

[6]王文杰，部慧，陆凤彬.金融海啸下我国黄金期货市场波动性的实证分析[J].管理评论，2009，21（2）：77-83.

[7]黄婷，李景华.美元指数与大宗商品价格关系的实证分析[J].经济纵横，2015（8）：116-120.

[8]Levin E J， Wright R E. Downwards sloping demand curves for stock？[J].Studies in Economics & Finance，2006， 23（1）：51-74.