英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
黄金市场、美元和原油市场之间的动态联系
Bin Mo , He Nie , Yonghong Jiang
摘要：本文旨在探讨黄金市场、美元和原油市场之间的动态联系。该分析还深入探讨了全球金融危机对短期关系的影响。本文使用分整来分析这些波动过程的长期记忆特征，以考察它们是否通过一个共同的长期均衡联系在一起，利用DCC-MGARCH模型研究了这些市场之间的长期时变关系，采用Krystou-Labys非线性非对称格兰杰因果关系方法对金融危机的影响进行了检验。研究发现：(1)这些市场之间存在着明显的长期依赖关系：(2)动态的黄金-石油关系始终是正相关，而石油-美元的关系总是负相关；(3)金融危机后的研究发现从黄金到美元和美元到原油之间存在着正的非线性因果关系，而从美元到黄金则存在着负的非线性因果关系。希望构建最佳投资组合的投资者和旨在制定有效宏观经济政策的决策者应考虑到这些发现。
关键词：分整，DCC-MGARCH，非线性非对称格兰杰因果关系，黄金市场，美元，原油市场
1、引言
石油价格已被视为世界经济的领先指数。当油价上涨时，将导致企业遭受利益损失，可支配收入下降和通货膨胀，从而阻碍经济的稳定增长。然而，因为投资者相信黄金可以对冲通胀，迫在眉睫的通胀将提高黄金价格。
美元是国际石油市场的主要货币，美元汇率的波动将直接影响石油出口国。从短期来看，石油出口国担心美元指数会走弱，因为强劲的美元指数可以为他们带来更多的好处。但美元指数的长期高估也将导致反向需求冲击。另一方面，如果美元呈现疲软趋势，大量资本将流入石油市场，导致油价上涨。相反，如果大量资本流出石油市场，美元将大幅波动。
在国际市场上，黄金以美元为主，黄金是用来对冲以保存资本的最佳商品。美元直接受到美联储制定的利率政策的影响，该政策依赖于世界经济的复苏。如果美国的利率高于其他国家，美元的升值将抑制黄金价格，而改善的经济环境将导致石油价格的更高增长。美元和原油价格似乎会朝相反的方向移动。美元、原油和黄金市场关系的平衡，将对国际金融市场和世界经济产生重要的积极影响。
近年来，许多大型金融事件对美元、原油和黄金市场的关系产生了重大影响。例如，2002年美元贬值导致全球通货膨胀，石油输出国组织（OPEC）和一些轰动的地缘政治事件操纵了原油供应。原油价格和美元进入繁荣期，价格继续上涨。然而，由于2007年的全球金融危机，大量大宗商品价格面临严峻考验。与此同时，原油和黄金价格也在下跌。全球经济直到2009年才复苏。此后，大宗商品市场需求增加，石油和黄金价格开始缓慢地从暗淡的局面转变为新的飙升阶段。因此，研究负面外部冲击——2007年金融危机，对这些市场短期关系的影响是很有趣的。
近年来的研究主要集中在利用一些模型来寻找价格或回报关系，但只有少数研究者考虑了波动性。例如，Wu et al.运用基于Copula的GARCH模型研究了石油价格与汇率的关系，发现两者之间存在显著的相关性。Charlot和Marimoutou利用隐马尔可夫决策树（HMDT）模型研究了标普500指数、美元汇率、原油和金属之间的关系，发现两者之间的相关性在熊市和牛市中尤其不同。Salisu和Mobolaji利用Var-Garch模型研究了原油市场与美元-尼日利亚汇率之间的波动性传递，发现金融危机期间，这两个市场的稳健结构发生了断裂。
这些研究的一个缺点是，他们忽略了波动的持久性，因为他们假设自相关函数的指数衰减率。Truchis和Keddad将分数协整方法作为一种新的方法来检验原油和美元汇率之间的波动相关性，以考虑波动过程的长期记忆行为，这意味着长期波动动力学。
本文具有双重目的。首先，我们考虑波动性序列的持久性，以检验时间序列之间长期可能存在的共性，因此，我们对协整的存在进行了测试。此外，我们还利用DCC-MGARCH方法研究了这些市场之间的时变长期关系，从而直接揭示了相关水平。其次，考虑到黄金市场、美元和原油市场之间的关系很容易受到负外部冲击的影响，本文希望利用Krystou-Labys非线性非对称格兰杰因果检验对负外部冲击——在本文中为2007年全球金融危机的影响进行短期分析，研究这些市场之间的相关性。
第2章回顾了近年来有关黄金市场、美元与原油市场关系的文献，包括这些研究所采用的各种方法。本研究所用的方法和数据将在第3章和第4章中详细解释。第5章将介绍这些市场之间长期和短期关系的实证结果。第6章通过总结总结和讨论一些未来的工作。
2、文献综述
许多研究考察了金价与美元、金价与油价、油价与美元的关系。就我们所关注的黄金价格与美元的关系而言，学术界越来越关注黄金价格。Apergis分别使用2000年和2012年期间的日数据和季度数据，调查黄金价格与澳元/美元名义汇率和实际汇率之间是否存在稳定的样本外关系。采用误差修正模型（ECM），实证结果表明，在短期和长期的时间范围内，样本外的预测能力更强。关于美元和原油市场的价格动态，回顾了大量的文献，显示了它们之间的密切关系。Wang and Cheuh 的研究表明，从短期来看，黄金和原油都对彼此产生了积极的影响。Reboredo et al.使用DCC分析研究原油与美元汇率之间的关系，得出两个重要结论，首先，石油价格与汇率的相关性总是负的和弱的，在较长的时间尺度上具有普遍较低的价值。第二，在全球金融危机之后，原油和美元之间的负相关性一直在增加。许多文献都关注黄金价格与原油价格之间的关系。Reboredo利用Copulas分析了黄金价格与石油价格的尾部依赖结构，发现黄金市场与石油市场之间存在正的、显著的尾部依赖关系。
然而，在经验文献中，对黄金市场、美元和原油市场之间的动态联系研究较少。Lin et al.使用小波分析来检验美元是否能够推动油价和黄金价格。通过将石油美元和黄金美元之间的对关系分解为短期和长期两部分，他们发现，从长期来看，对关系变得更弱，而在20世纪90年代初之后，短期相关性更高。Chang et al.检查2007/09/03至2011/12/28期间，石油价格、黄金价格和新台币对美元汇率之间的关系。运用VaR模型、格兰杰因果关系检验、Johansen协整检验、方差分解法、脉冲响应分析等多种方法来表示交互关系。
在实证分析方面，基于流行的DCC相关模型对不同市场之间的关系进行了许多研究。Zebende引入了一个基于DFA方法和DCCA方法的新的系数来量化非平稳时间序列之间的互相关水平。Guedes et al.运用DCCA互相关系数分析国家股市指数。Sun et al.尝试使用MF-DCCA方法来检验美国货币政策对美元和原油的影响。Song et al.使用DCC-MGARCH方法检查中国石油市场与其他主要国际石油市场的共同问题。在另一方面，一些其他的方法也被运用到这方面问题的解决。例如，Truchis和Keddad采用分数协整方法来检验原油市场与美元汇率之间波动相关性的长记忆特征。Baur和Tran利用Granger方法分析了黄金和白银的长期依赖性以及泡沫和金融危机的短期影响。
在上述分析的基础上，本文旨在为分析黄金市场、美元和原油市场的长期和短期关系提供一个新的视角，以拓宽以往的研究范围。本文通过分数协整和DCC-MGARCH两种方法研究了长期关系，并利用非线性非对称因果关系检验了2007年全球金融危机对短期相互依赖性的影响。
3、实证研究
3.1分数协整分析
在第一步中，为了分析两个波动过程的长期记忆特性，我们将日收盘价转换为月度波动序列，如等式（1）所示：
（1）
其中，为股票收益。
第二步采用局部Whittle（LW）方法估算长期内存参数。用离散频率序列，j=1,hellip;,m,求出了lambda;j的m个频率的平均Whittle似然函数。
（2）
使用Robinson的以下近似值：
首先，当lambda;j→0 时，；其次，当lambda;j→0 时，，因此，。这样，我们可以将式（2）转换为式（3）。
（3）
根据，我们使用fx(lambda;j)的估计Ix(lambda;j)，我们可以得到G的估计，如式（4）所示。
（4）
通过公式3和公式4，可以得到公式5：
（5）
式中，，根据d的最小化R（d），我们可以得到d的局部惠特尔估计。
（6）
Robinson证明了当disin;[minus;0.5，0.5]时和LW估计具有一致性和渐近正态性。
（7）
第三步，进一步测试了时间序列长期记忆参数的真实性。Qu提出了基于LW方法的W统
计量，并用它来测试长期记忆参数的真实性。W统计量按式（8）计算。
（8）
在这里，无效的假设是长期记忆确实存在。Qu表明，当修边参数等于0.05时，10%显著水平下的试验统计临界值为1.022。本文的测试结果如表2所示，这表明时间序列中确实存在长期记忆。
最后，我们使用Nielsen和Shimotsu提出的方法来检查时间序列之间的长期记忆参数是否符合分形协整关系。我们用两个波动性序列xt和yt表示，内存参数表示为。Robinson和Yajima指出，如果xt和yt的时间序列之间存在协整关系，那么它们具有相同的长期记忆参数d，因此我们表示H0:dx=dy=d，t统计检验为：
（9）
式中，h（T）=1/log（T）。如果存在分形协整，则，否则。此外，我们还需要估计协整秩。根据Nielsen和Shimotsu，我们使用等式（10）获得协整秩。
（10）
式中，tau;j是相关矩阵的j特征值，，vk（T）=mminus;qG为调整系数。本文中，g=0.35，0.25，0.15，mG为带宽。通过对m、mG、h（T）和vk（T）等参数的不同值进行测试和分析，对分形协整结果进行了检验。
3.2 DCC-MGARCH模型
本文旨在探讨黄金市场、美元与原油市场的动态关系。一些研究者使用GARCH模型来研究这种关系，但是它有一些局限性，例如，它不能捕获时间序列的相互关系。因此，我们使用Engle和Tse and Tsui分别提出的DCC-MGARCH（1,1）来研究相互关系，该方法比传统的GARCH模型更具优势。一方面，DCC-MVGARCH模型保持了传统GARCH模型的良好特性，另一方面克服了传统GARCH模型的计算复杂性，有助于提高模型估计的精度。如表1所示，返回序列显示出明显的异方差和序列自相关，这些特征证明了利用DCC-MGRCH捕捉时间序列的方差、协方差和相关系数的动态相关性，有助于反映市场之间的长期动态相关性。
我们假设三个是两个返回序列rt=（r1t，r2t）′。同时，我们开发了滞后项A(L)和误差修正向量et，然后
（11）
表1 描述性统计
DCC模型的基本假设是它符合正态分布N(0,E[rtrtrsquo;|It-1])，方差矩阵设置为Ht=DtRtDt。式中，对角线矩阵Dt=diag[radic;h1t，radic;h2t]为时变标准差矩阵，由等式（12）所示的单变量GARCH（1,1）模型得出。
（12）
Rt是标准化收益的条件相关系数矩阵εt，εt=Dminus;1rt
（13）
矩阵Rt可以分解为 ：
（14）
式中，Qt是标准化收益的时变协方差矩阵εt。
（15）
然后我们可以得到DCC（1，1）模型：
（16）
其中，为无条件方差矩阵，满足alpha; beta;lt;1。
动态条件相关系数表示为：
（17）
DCC-MGAR
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[20981]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
