黄金、货币和市场效率

几乎所有流动性最强的货币——美元、英镑、澳元、新西兰元、日元、欧元、韩元、挪威克朗——都属于黄金市场效率最低的国家（样本中效率最低的三分之一）。在这些货币中，比特币也排在了最后。另一方面，排名前五的货币是利比里亚元、塞舌尔卢比、马尔代夫卢比、科摩罗法郎和索马里先令。EI水平之间的差异令人震惊，因为最有效的市场份额指数在0.1到0.2之间，由于其作为避险港的历史声誉、储备状态和相对长期的价格稳定，被选为一个数值。我们更喜欢投资组合的宽度而不是深度，以便能够尽可能多地比较货币。而效率最低的则接近0.4。由于估计值的标准误差非常低，通常低于0.01（中位数和标准误差见表2），这种差异进一步加剧。为了进一步研究效率指数的三个不同部分的贡献，即赫斯特指数、分形维数和近似熵，我们给出了图1。我们观察到，总体赫斯特指数是该指数的最大贡献者。然而，贡献的强度因效率排名而异。对于最有效的货币，赫斯特指数和近似熵在指数中起着类似的作用。在后者的影响下，效率下降，反之亦然。分形维数的作用也取决于效率。对于效率最高的市场，它只占指数的一小部分，但对于效率较低的货币，它的作用略有增加。

对于排名较低的三分之二左右的人来说，贡献率相当稳定，赫斯特指数在50%左右，分形维数和近似各向异性在25%左右。因此，效率指数的所有三个组成部分构成了它的重要组成部分。但除了最高效的市场，长期记忆也起着重要作用。即使从全球角度来看，各种货币的黄金价格也表现出长期趋势的持续行为。这种稳定的结果突出了使用本文提出的调整方法的优点。回到可以被称为意外结果的总体结果（与股票市场（Kristoufek和Vosvrda，20132014b）和其他商品（Kristoufek和Vosvrda，2014a）的预期结果相反），我们强调黄金市场和货币市场之间的特殊联系，并进一步讨论潜在原因。分析的2011年和2014年期间涵盖了非常非正统的时期，将发达国家的货币政策视为对全球金融危机、欧元区危机、希腊危机和相关现象的反应。美国和英国的各种量化宽松（QE）浪潮，以及最终导致量化宽松的欧洲央行的平行行动，对相关货币及其贬值形成了巨大压力。美国前两轮量化宽松推动金价上涨，直至2011年底。美国上一波量化宽松政策比前两次要弱得多，对美元黄金价格没有显著影响。

货币贬值和随后的黄金价格（以给定货币计算）上涨之间的联系，加上提前知道的量化宽松的长期效应，形成了黄金市场效率的完美环境。这一点得到了很好的控制，因为央行参与量化宽松或其他形式的实际印钞的大多数货币都是效率最低的市场。它还进一步提出了量化宽松时期黄金的投机资产状态。黄金被用作抵御通货膨胀的对冲工具，这进一步支持了这种推理（Narayan等人，2010年）。在量化宽松的初始阶段，人们严重担心，作为对虚拟印钞的一种反应，通货膨胀受到了控制。由于投资者通过购买黄金来对冲预期的通货膨胀，黄金价格进一步上涨。在这段时间里，这种担忧慢慢消失，因为没有迹象表明存在危险的通胀压力。尽管如此，量化宽松政策下黄金市场的可预测性和有效性已成为最终影响。在高效的市场逻辑中，以下对排名结构的补充解释可能与直觉相悖。一个国家的中央银行或中央权威机构是透明的，并遵守其承诺，这一事实实际上会导致市场效率低下。以一家央行宣布新一轮量化宽松为例。如果中央银行值得信任，投资者将开始相应地行动，并通过采取行动来实现利润最大化。然而，量化宽松的过程是一个渐进的过程，因此不会对市场产生立竿见影的影响。把这些因素放在一起，我们就可以得到一个相当可预测的市场行为，假设当局信守承诺，风险相对较低。

另一方面，不太值得信任的当局往往会反复改变宣布的政策，从而使货币市场的冲击无法预测。这种不可预测性会导致更高的效率。此外，外汇市场的当前形势还揭示了交易量最大的货币效率的另一个潜在来源。2013年，BloombergNews报道称，全球监管机构已开始调查外汇市场上的主要银行，以获取前期订单，并串通操纵外汇汇率基准（英格兰银行，2014年）。这项工作现在被称为“外汇储备”，据称汇率操纵已经实现了大约十年。这种共谋严重违背了市场效率的概念，并为货币效率排名的报告结果提供了坚实的基础。总之，黄金价格和货币的组合形成了一种非常有趣且独特的结构，其动态与股票或大宗商品市场等其他资产相比有很大不同。我们已经证明，效率最低的黄金价格主要是美元、欧元和英镑等主要货币的报价。另一方面，最有效的黄金价格是以较小且交易较少的货币报价的黄金。从从业者的角度来看，我们有两种利用结果的可能性。我们可以用主要货币对黄金价格进行投机，也可以用次要货币对冲黄金价格，以获得稳定有效的市场地位。

只有时间才能证明“外汇调查”丑闻及其解决方案以及量化宽松政策的结束是否会让主要货币更接近效率。致谢导致这些结果的研究获得了欧盟第七个框架计划（FP7/2007-2013）的资助，资助协议号为FP7-SSH612955（FinMaP），捷克科学基金会项目号为P402/12/G097“DYME——经济学中的动态模型”。参考文献Ahmad，R.，S.Rhee和Y.Wong（2012）。近期危机下的外汇市场效率：亚太聚焦。《国际货币与金融杂志》31（6），1574-1592。Al Khazali，O.，C.Pyun和D.Kim（2012年）。亚太市场的汇率变动是否可预测？随机游动和鞅差过程的证据。《国际经济与金融评论》21（1），221–231。英格兰银行（2014年）。英格兰银行外汇市场调查：由格雷宾纳勋爵QC撰写的报告。技术报告，英格兰银行。Barunik，J.和L.Kristoufek（2010）。重尾分布下的Hurst指数估计。Physica A 389（18），3844-3855。Beran，J.（1994年）。《长记忆过程统计》，统计与应用概率专著第61卷。纽约：查普曼和霍尔。Bianco，M.、M.Camacho和G.Quiros（2012年）。根据经济基本面对欧元兑美元汇率进行短期预测。《国际货币与金融杂志》31（2），377-396。Booth，G.和F.Kaen（1979年）。黄金和白银现货价格和市场信息的有效性。财务回顾14（1），21-26。Cajueiro，D.和B.Tabak（2004年）。新兴市场的排名效率。混沌、孤子和分形22349–352。Cajueiro，D.和B.Tabak（2005年）。新兴股票市场效率排名2。混沌、孤子和分形23671-675。查布德，A.，B.奇科因，E.哈马尔松和C.维加（2014）。

机器的崛起：外汇市场的算法交易。《金融杂志》69（5），2045-2084。Charles，A.，O.Darn\'e和J.Kim（2012年）。汇率回报的可预测性和适应性市场假说：来自主要外汇汇率的证据。《国际货币和金融杂志》第31（6）期，1607-1626年。陈耀中和曾克强（2013）。关于汇率的可预测性，收益率曲线告诉了我们什么？经济与统计回顾95（1），185-205。Cont，R.（2001年）。资产回报的经验性质：程式化事实和统计问题。定量金融1（2），223–236。康奈尔，W.和J.迪特里希（1978年）。汇率波动下外汇市场的效率。《经济学与统计学评论》60（1），111–120。丹廷，J.-P.（1977）。鞅、市场效率和商品价格。《欧洲经济评论》10，1-17。迪马特奥，T.（2007）。多规模融资。定量金融7（1），21-36。Di Matteo，T.，T.Aste和M.Dacorogna（2003年）。不同发达市场中的缩放行为。Physica A 324183–188。Di Matteo，T.，T.Aste和M.Dacorogna（2005年）。发达市场和新兴市场的长期记忆：使用标度分析来描述其发展阶段。《银行与金融杂志》29827–851。小邓恩、R.和J.穆蒂（2004年）。国际经济学。美国纽约州纽约：劳特利奇。恩格尔，C.，N.马克和K.韦斯特（2015）。汇率的因子模型预测。计量经济学评论34（1-2），32-55。法马，E.（1965年）。股票市场价格的行为。商业杂志38，34–105。法马，E.（1970年）。有效资本市场：对理论和实证工作的回顾。《金融杂志》25383-417。法马，E.（1991年）。有效的资本市场：二。《金融杂志》46（5），1575-1617。费恩斯特拉，R.（2008）。国际宏观经济学。美国纽约州纽约：沃思出版社。弗兰克，M.和T。

斯坦戈斯（1989）。测量黄金和白银的奇异性回报率。经济研究回顾56（4），553-567。Frenkel，J.（1976）。汇率的货币方法：理论层面和实证证据。斯堪的纳维亚经济杂志78（2），200–224。Geweke，J.和S.Porter Hudak（1983年）。长记忆时间序列模型的估计与应用。时间序列分析杂志4（4），221-238。Gneiting，T.和M.Schlather（2004年）。分离分形维数和赫斯特效应的随机模型。暹罗评论46（2），269-282。格尼廷、T、H.塞维奇科娃和D.珀西瓦尔（2010年）。分形维数估计器：评估时间序列和空间数据的粗糙度。华盛顿大学统计系技术报告。Ho，Y.-K.（1985）。对Londongold市场增量有效市场假说的检验。经济通讯19（1），67-70。Koutsoyiannis，A.（1983年）。投机性资产的短期定价模型，使用金条市场的数据进行测试。应用经济学15563–581。Kristoufek，L.和M.Vosvrda（2013年）。衡量资本市场效率：全球和本地相关性结构。Physica A 392184-193。Kristoufek，L.和M.Vosvrda（2014a）。商品期货和市场效率。能源经济学42，50-57。Kristoufek，L.和M.Vosvrda（2014b）。衡量资本市场效率：长期记忆、分形维数和近似熵。欧洲物理杂志B 87162。Levi，M.（2005）。国际金融。美国纽约州纽约：劳特利奇。马尔基尔，B.（2003）。有效市场假说及其批评者。《经济展望杂志》17（1），5982。Narayan，P.K.，S.Narayan和X.Zheng（2010）。黄金和石油期货：市场效率高吗？应用能源873299–3303。Olmo，J.和K.Pilbeam（2011）。

未披露的利率平价和外汇市场的效率：对证据的重新审视。《国际经济与金融杂志》16（2），189-204。Ortiz Cruz，A.，E.Rodriguez，C.Ibarra Valdez和J.Alvarez Ramirez（2012）。原油市场效率：来自信息熵分析的证据。能源政策41365–373。Phillips，P.C.B.和K.Shimotsu（2004年）。非平稳和单位根情况下的局部whittle估计。《统计年鉴》32（2），659-692。平卡斯，S.（1991）。近似熵作为系统复杂性的度量。美国国家科学院学报882297-2301。Pincus，S.和R.Kalman（2004年）。不规则性、波动性、风险和金融市场时间序列。美国国家科学院院刊101（38），13709–13714。罗宾逊，P.（1995）。长程相关性的高斯半参数估计。《统计年鉴》23（5），1630-1661。Roll，R.（1972）。货币资产利率和商品价格指数变化。《金融杂志》27（2），251-277。萨缪尔森，P.（1965年）。证明合理预期的价格会随机波动。工业管理评论6，41-49。Taqqu，M.，W.Teverosky和W.Willinger（1995年）。长期依赖的估计：一项实证研究。分形3（4），785-798。Taqqu，M.和V.Teverovsky（1996年）。在有限和有限方差时间序列中估计长程依赖的强度。在《厚尾实用指南：统计技术和应用》中。Teverovsky，V.，M.Taqqu和W.Willinger（1999年）。对lo修改的r/s统计的批判性审视。《统计规划与推理杂志》80（1-2），211-227。佐尼诺，L.，B.M.塔巴克，F.塞里纳迪，M.扎宁，D.G.佩雷斯和O.A。

罗索（2011）。用排列信息理论方法进行商品可预测性分析。Physica A 390876-890。L.祖尼诺、M.扎宁、B.塔巴克、D.佩雷斯和O.罗索（2010）。复杂性熵因果平面：量化股市效率的有用方法。物理389，1891-1901.0%10%20%30%40%50%60%70%80%90%100%利比里亚共产主义者毛里塔尼亚多美州和普林西比州布隆迪马其顿角佛得角蒙哥马利亚菲律宾新几内亚斯威士兰阿根廷人埃塞俄比亚中国突尼斯阿拉伯联合酋长国马来西亚AntilesturkeyTanzania阿塞拜疆摩洛哥圭亚那、新加坡、波兰和尼日利亚、洪都拉斯、南非、乌克兰、白俄罗斯比特币对效率指数的贡献突变指数贡献分形维数贡献近似熵贡献效率最快效率图1：对效率指数的贡献。这三个因素的贡献——赫斯特指数、分形维数和近似熵——在这里以百分比（y轴）表示。货币从最有效的货币（从左到右）排列。请注意，由于分析的货币数量较多，并非所有标签在x轴上都可见。尽管如此，所有货币的价值和贡献都存在。捐款累累。下半部分表示赫斯特指数贡献，中半部分表示分形维数贡献，上半部分表示近似熵贡献。赫斯特指数对所有货币都起着重要作用，其贡献率在50%左右，在所有货币中都相当稳定。对于效率最高的，贡献率略低。对于效率最高的市场，分形维数的贡献非常小，而对于效率较低的市场，分形维数的值会增加。