原油、黄金与天然气关系的实证分析

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《An empirical analysis of the relationships between crude oil, gold and
  stock markets》
---
作者：
Semei Coronado, Rebeca Jim\\\'enez-Rodr\\\'iguez, Omar Rojas
---
最新提交年份：
2016
---
英文摘要：
  This paper analyzes the direction of the causality between crude oil, gold and stock markets for the largest economy in the world with respect to such markets, the US. To do so, we apply non-linear Granger causality tests. We find a nonlinear causal relationship among the three markets considered, with the causality going in all directions, when the full sample and different subsamples are considered. However, we find a unidirectional nonlinear causal relationship between the crude oil and gold market (with the causality only going from oil price changes to gold price changes) when the subsample runs from the first date of any year between the mid-1990s and 2001 to last available data (February 5, 2015). The latter result may explain the lack of consensus existing in the literature about the direction of the causal link between the crude oil and gold markets.
---
中文摘要：
本文分析了世界上最大的经济体美国的原油、黄金和股票市场之间因果关系的方向。为此，我们采用非线性格兰杰因果检验。当考虑全样本和不同的子样本时，我们发现考虑的三个市场之间存在非线性因果关系，因果关系向各个方向发展。然而，当子样本从20世纪90年代中期到2001年的任何一年的第一天到最后一个可用数据（2015年2月5日）运行时，我们发现原油和黄金市场之间存在单向非线性因果关系（因果关系仅从石油价格变化到黄金价格变化）。后一个结果可能解释了文献中对原油和黄金市场之间因果关系的方向缺乏共识的原因。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> An_empirical_analysis_of_the_relationships_between_crude_oil,_gold_and_stock_markets.pdf (393.56 KB)

2022-5-9 09:30:44 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：实证分析 天然气 relationship Quantitative Applications

原油、黄金和股票市场之间关系的实证分析塞梅·科罗纳多阿、丽贝卡·吉姆·埃内斯·罗德尔盖兹、奥马尔·罗哈斯克、定量方法系、瓜达拉哈拉大学、瓜达拉哈拉大学、墨西哥经济系、IME、萨拉曼卡大学、萨拉曼卡大学、巴拿马大学斯宾加商学院、瓜达拉哈拉大学、，墨西哥摘要本文分析了世界上最大的经济体原油、黄金和股票市场与美国这类市场之间因果关系的方向。为此，我们应用n个线性格兰杰因果关系测试。当考虑完整样本和不同子样本时，我们发现考虑的三个市场之间存在非线性因果关系，因果关系向各个方向发展。然而，当子样本从1990年中期到2001年的任何一年的第一天到最后一次可用数据（2015年2月5日）运行时，我们发现原油和黄金市场之间存在单向非线性因果关系（因果关系仅从石油价格变化到黄金价格变化）。后一个结果可能解释了文献中对原油和黄金市场之间因果关系的方向缺乏共识。关键词：非线性格兰杰因果关系检验，国际油价，黄金价格，股票市场1。简介原油和黄金市场是大型商品市场的主要代表，并推动其他商品的价格（见Sari等人，2010年）。一方面，黄金是稀有金属市场的领导者，被视为一种投资资产。黄金是避免财务风险增加的安全途径（见Aggarwal和Lucey，2007），aEmail地址：semeic@cucea.udg.mx（塞梅科罗纳多），丽贝卡。jimenez@usal.es（丽贝卡·吉姆内斯·罗德里格斯），orojas@up.edu.mx（OmarRojas）提交给的预印本。

2016年5月25日价值储存（见Baur and Lu cey，2010年）和通货膨胀对冲（见Ja Offe，1989年）；因此，它被用作基本投资策略（seeBaur和McDermott，2010）。另一方面，原油是主要的能源，也是一种投资资产。因此，投资者通常将两种商品中的一种——黄金和原油——或两者都纳入投资组合，作为一种多元化战略（见Soytas等人，2009年）。这两个大宗商品市场的大米价格波动之间似乎有着密切的关系，但在影响的方向上没有共识。Ba Offes（2007）、Zhang和Wei（2010）以及Sari等人（2010）发现黄金价格对石油价格的变化有显著的响应。然而，有一些作者，如Narayan等人（2010年）和Wang and Chueh（2013年）认为石油和黄金价格相互影响。Rebredo（2013）指出了原油和黄金（被视为投资资产）之间的四种联系机制：a）油价上涨导致通货膨胀压力（参见。

胡克，2002年；陈，2009；（Alvarez等人，2011年），这导致黄金价格上涨，因为黄金被视为一种抗通胀的黄金；b） 高油价对经济增长有负面影响（见汉密尔顿，2003年；吉姆·埃内斯·罗德里格斯和桑切斯，2005年；基利安，2008年；卡瓦尔康蒂和贾尔斯，2013年）和资产价值（见雷波雷多，2010年），这导致黄金价格上涨，因为黄金被视为存储价值的替代资产；c） 油价上涨对石油净出口国的收入有积极影响，我会增加对黄金的投资，以保持其在多元化投资组合中的份额，因此，黄金需求增加导致金价上涨（Seemlvin and Sultan，1990）；（d）当美元贬值时，油价上涨（见Rebredo，2012），投资者可能会将黄金用作避风港。鉴于石油和黄金被用作投资资产，它们与股市指数的演变密切相关，因为对投资组合决策的任何影响都会影响股市回报（seeCiner et al.，2013）。石油价格变化与股市指数之间的关系已被广泛研究。Jones and Kaul（1996）、Sadorsky（1999）、Ciner（2001）、Park and Ratti（2008）、Kilian and Park（2009）、CinerBampinas和Panagiotidis（2015）等作者发现，2007/2008年危机前的油价与黄金价格之间存在单向因果关系，危机后则存在双向因果关系。正如我们所指出的，黄金和石油经常被用作抵御股票和债券等更传统资产类别的避风港。（2013年）和Jim\'enez Rodriguez（2015年）发现，石油价格上涨对石油进口国的股票收益有负面影响，而比约兰（2009年）和万g等人（2013年）发现石油价格上涨对石油出口国的股票市场有积极影响。

然而，很少有作者分析过黄金价格如何影响股市指数，反之亦然。Smith（2001）4,5研究了1991-2001年间黄金价格与美国股票价格指数之间的关系。他考虑了四种黄金价格（三种在伦敦：上午10点30分、下午3点和收盘时间；一种在纽约：Handy&Harmon）和六种股票价格指数（道琼斯工业平均指数、纳斯达克指数、纽约证券交易所指数、标准普尔500指数、罗素3000指数和威尔希尔5000指数）显示了短期关系的证据，但没有长期联系。他还通过使用线性格兰杰因果关系检验发现了午后金价与美国股价指数之间的反馈证据，但美国股价指数与早盘和收盘时间金价之间存在单向因果关系。布尼亚和达斯（2012）分析了黄金价格和印度股市回报之间的因果关系，展示了双向格兰杰因果关系。决策者对两个大宗商品市场（原油和黄金）与股市指数之间的联系感兴趣，因为股市的走势对宏观经济变量的发展有重要影响。

据我们所知，对于世界上最大的经济体美国来说，相关文献中有一项研究分析了原油、黄金和股票市场之间的关系。本文的贡献是扩展关于原油和黄金市场与标准和穷人之间关系的文献。值得注意的是，有些作者没有发现石油价格变化对股市的任何显著影响（见Huang等人，1996年；Apergis和Miller，2009年）。阿瑟曼（1982）、埃尔布斯特（1983）和贾菲（1989）等作者此前曾研究黄金在投资组合中的作用。有些作者陈述了将黄金纳入投资组合的相对效益（见谢尔曼，1982年；希利尔等人，2006年；鲍尔和卢西，2010年）。Sherman（1982）指出，黄金的波动性小于股票和债券，并改善了整体投资组合的表现。Hillier等人（2006年）发现，包含贵重金属资产的投资组合表现优于标准股票投资组合。Baur and Lucey（2010）表明，黄金可以被视为对冲股票的工具，在极端的股票市场条件下是一个安全的避风港。见世界银行提供的2013年基于购买力平价的上一次国内生产总值排名表b(http://data.worldbank.org/data-catalog/GDPranking-table)500指数，通过分析因果关系的方向，并考虑从大缓和时期开始的数据。为此，我们对完整样本和不同子样本进行了非线性Ranger因果关系检验，以分析结果对不同采样周期使用的敏感性。此外，我们对1986年至2014年一个自然年的窗口进行了非线性格兰杰因果关系测试，以调查每个特定年份内的因果关系。本文的结构如下。

第2节描述了数据和方法。第3节介绍了结果和讨论。第四节总结。2.数据和方法本研究使用的emp irical样本包括标准dPoor的500日调整收盘价（SP500）、西德克萨斯中段原油现货价格（WTI）和1986年1月2日至2015年2月5日期间的金块LBM US/Troy盎司（黄金），共7351次观察。所有数据均可从彭博社获得。选择这些日期是为了捕捉这一系列关系中不同的经济时刻。通过取价格自然对数的第一个差值，即rt=100（ln（pt），将价格转换为一系列连续复合百分比收益- ln（pt）-1） ），其中PTI是t天的价格。我们分别用S P500R、WTIR和GoldR表示SP500、WTI和Gold的返回时间序列。图1显示了每个系列的价格和回报的行为。表1给出了回归时间序列的描述性统计数据。正如预期的那样，这些统计数据与金融和经济时间序列的一些典型事实是一致的（见Cont，2001）。特别是，峰度表明返回分布是轻量级的。此外，theJarque和Bera（1987）的统计结果表明，公司收益率并非正态分布。我们首先应用Im等人提出的增强Dickey和Fuller（1981）检验和残差增强最小平方面积（RALS）检验，分析变量的平稳性。

（2014），不需要了解误差项的特定密度函数，也不需要了解函数形式。值得注意的是，只有当变量具有相同的积分顺序（例如，见Papap etrou，2001）500 1500SP50020 80 140WTI1985 1995 2005 2015500 1500Gold时，因果关系检验才有效-20-5 5-40-10 201985 1995 2005 2015-10 0 5图1：价格、pt（左）和收益、rt（右）f orSP500（上）、WTI（中）和黄金（下）的时间序列图。表1:iesStatistic SP500R WTIR GoldRMean 0.03 0.01 0.02分钟返回时间的描述性统计-22.90-40.69-10.16Max 10.96 19.24 7.38Sd 1.17 2.52 1.00偏斜度-1.28-0.72-0.39峰度30.90 18.24 10.52Jarque-Bera 240345.68 71751.11 17491.18除平稳性外，测试f或资产变量的线性是标准的。因此，我们将BDS检验（Brock et al.，1996）和Tsay（1986）检验应用于我们的变量。Tsay测试是对特定时间序列非线性的直接测试，而BDS测试是间接测试。Tsay（1986）测试的目的是检测数据中的四进制串行依赖性（更多详细信息，请参见Tsay，1986）。BDS测试最初是为了测试独立同分布（iid）的零假设，以检测非随机混沌动力学，但当它应用于已确定的单变量线性时间序列模型的残差时，该测试揭示了任何剩余的相关性和省略的非线性结构的存在。因此，如果不能拒绝零假设，则不能拒绝已确定的单变量线性模型。然而，如果完全假设被拒绝，则确定的单变量线性模型是错误的，从这个意义上说，它也可以被视为非线性测试（见Zivot和Wang，2006）。

选择BDS测试有两个主要优点：（1）与其他线性和非线性测试相比，BDS测试的威力更大（seeBrock等人，1991年；Barnett等人，1997年）；（2）无干扰参数，适用于固定模型残差时不需要任何调整（见F de Lima，1996）。更多细节见Brock等人（1996年）。我们分析了所考虑的变量之间的格兰杰因果关系。注意，对于严格平稳的二元过程{Xt，Yt}，如果{Xt}的过去值和当前值包含{Yt}的未来值的附加信息，而{Yt}的过去值和当前值并不单独包含在{Yt}的过去值和当前值中，则过程{Yt Yt}是由{Xt}引起的Granger。最近，人们对格兰杰非因果关系假设的非参数版本，对线性格兰杰因果关系的非参数版本，以及对线性格兰杰因果关系的非参数版本，产生了兴趣（Seehimstra和Jones，1994；Bell等人，1996；Su和White，2008）。鉴于线性格兰杰因果关系检验可能无法揭示线性因果关系中的n，我们使用Diks和Panchenko（2006）非线性格兰杰因果关系检验（以下简称DP检验）。DP检验是一种非参数格兰杰因果关系检验，基于Baek和Brock（1992）的时间序列和d之间的相关积分，但不假设时间序列相互独立且分布相同。它也越来越显示出短期的时间依赖性，因为它减少了当无效假设为真时的过度拒绝。接下来，我们将紧随Diks和Panchenko（2006）的描述来描述DP测试。它由XlXt=（Xt）表示-lX+1。。。，Xt）andYlYt=（Yt-lY+1。。。，Yt）XT和Yt的延迟向量。

检验的假设是缺乏因果关系，也就是说，过去对Xt的观察不包含关于Yt+1:H:Yt+1 |（XlXt；YlYt）的额外信息~ Yt+1 | YlYt（1）参见Granger（2001）、Diks and Panchenko（2006）和Wolski（2014）对Granger因果关系的正式定义。考虑严格平稳的二元时间序列{Xt，Yt}，零假设是关于（lX+lY+1）的不变分布的陈述-维向量Wt=（XlXt，YlYt，Zt），其中Zt=Yt+1。假设零假设是关于Wt不变分布的陈述，时间下标可以被删除，它可以写成W=（X，Y，Z）。为了简化测试描述，假设lX=lY=1。因此，在完全假设下，给定的Z（X，Y）=（X，Y）的条件分布与给定的Z（Y=Y）的条件分布是相同的。就联合概率密度函数fX，Y，Z（X，Y，Z）及其边缘而言，零假设必须确保：fX，Y，Z（X，Y，Z）fY（Y）=fX，Y（X，Y）fY（Y）·fY，Z（Y，Z）fY（Y）（2）每个向量（X，Y，Y，Y，Y，Z）支持W。因此，可以说，对于Y的每个值，X和Z有条件地独立于Y=Y（参见Bekiros和Diks，2008；Wolski，2014）。Diks和Panch enko（2006）表明，r变形的零假设意味着q统计量应被标注为q≡ E[fX，Y，Z（X，Y，Z）fY（Y）- fX，Y（X，Y）fY，Z（Y，Z）]，（3）其中q的建议估计量为：Tn（n）=（2n）-dX-2dY-dZn（n）- 1） （n）- 2） 十一Xk，k6=iXj，j6=iIXY ZikIYij- IXYikIY Zij, （4） 其中IUij=I（kUi- Ujk<n），其中I（·）是一个指示函数，k·k是最大范数，n是带宽，这取决于s的充足大小。