资金紧张情况下的黄金、原油、股票之间的关系：一种分位数因果关系的方法外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

资金紧张情况下的黄金、原油、股票之间的关系：一种分位数因果关系的方法

Debojyoti Dasa, Surya Bhushan Kumara, Aviral Kumar Tiwarib,⁎, Muhammad Shahbazb, Haslifah M. Hasimc

摘要：利用非参数分位数因果关系技术，研究了1993年12月至2017年3月股票、黄金和原油在资金紧张情况下的相关结构，结果表明，1993年12月至2017年3月间，股票、黄金和原油之间存在显著的非参数因果关系。这项研究发现双边因果关系中黄金和原油的均值和方差与资金紧张的状况有关的证据，股票的均值和方差影响资金紧张的状况。

关键词：黄金、石油、资金紧张、分位数中的因果关系、JEL分类阳离子：G11、E44、B26

正文：

1. 介绍

金融压力可被描述为在实体经济中引发不确定宏观经济状况的不利经济力量。自从经济主体预期下行风险的概率增大，不断上升的经济不稳定和市场波动加剧了资金压力(Illing和Liu，2006年)。哈基奥和基顿(2009年)认为，经济学家通常将某些关键特征与资金压力联系在一起。它们是：(A)资产基本价值的不确定性增加；(B)其他投资者的行为更加不确定；(C)信息更加不对称；(D)持有高风险资产的积极性降低；(E)持有非流动资产的意愿降低。然而，这些特征的突出程度和强度会因不同的资金压力诱因而有所不同。

来自股票、黄金和石油等资产的预期未来现金流取决于宏观经济变量，如通货膨胀和无风险利率。从不同的宏观经济角度来看，资产的基本价值反映了一个国家的经济前景(Hakkio和Keeton，2009年)。因此，一个国家可能无法吸引新的投资者，如果资产的基本价值反映了暴跌的趋势。此外，现有的投资者也可能会萎缩，因为他们会财产损失的悲观结果分配更高的概率。这一可能性进一步加深了经济资金压力的根源。因此，这种关系在某种程度上是内生的，并与双向因果关系交织在一起，即内在的资金压力可能会影响资产的基本价值，因此，不断缩小的资产基本面因素也可能起到重要的压力源的作用。

近几年来，研究人员试图解开资金压力与实物资产之间的双边因果关系。SUM(2013年)对市场风险溢价与资金压力之间的关系进行了实证研究。通过线性格兰杰因果关系检验，作者得出结论：资金压力导致市场风险溢价下降，但反向因果关系的证据并不重要。Nazlioglu等人(2015年)利用方差检验中的格兰杰因果关系，研究了油价和资金压力之间的波动传递机制。这一结果解释了全球经济危机之前价格压力的风险转移机制，然而，相反的因果关系，即从fi纳米压力到油价，在后危机时代是显而易见的。在最近的一项学术研究中，reburdo和uddin(2016年)用分位数回归和格兰杰因果关系检验研究了资金压力和可交易的能源和金属商品之间的共同运动和因果关系。他们的研究认识强调了资金压力对商品收益的中间分位数和上分位数的重要性。尽管如此，没有关于共同行动的证据。

本研究试图用因果关系-分位数法重新检验股票、黄金和原油与经济压力之间的关系。为了理解和揭示双向因果关系现象，重新审视似乎是有针对性和逻辑性的。因此，本研究使用了Balsilar等人(2016a)最近提出的非参数分位数因果关系检验。以往的研究常常应用线性格兰杰因果关系检验。但是，如果数据是非线性的(这是资金的时间序列中的一种风格事实)，那么就不能完全依赖线性因果关系结果(Babalos和Balilar，2017年；Bekiros等人，2016年)。分位数因果关系方法利用非参数过程估计依赖结构，最大限度地降低了误判误差的概率，同时也便于检测高阶依赖关系(均值和方差)。此外，当市场看涨(高分位数)、正常(中间分位数)和看跌(低分位数)时，也可以检测到因果关系。

此外，本研究还考虑了三种资产，即股票、黄金和原油。雷博尔多和乌丁(2016年)认为，资金面临更大压力的情况下，投资者越来越多地重新平衡投资组合，通过将投资转移到通常被视为避险资产的大宗商品，以减轻下行风险-这一现象被称为“优质投资”(flight to Quality)。此外，作者还假设，通过投资组合再平衡，压力可能会传递给大宗商品。Cheng等人(2015年)提供了类似的证据，说明交易商如何在商品市场上改变头寸，以应对股票市场波动的变化。作者得出结论，交易者的头寸和商品价格都是受股市脆弱性影响。因此，这项研究期望通过检净资产(股票)和可交易商品(黄金和原油)之间的均值和方差的分位数因果关系来获得更新的见解。

研究证实了黄金和原油在资金压力下在均值和方差上的双向因果关系。然而，股票对资金压力的影响更强烈。股票市场上资金压力的因果关系是一个很弱的证据。本文的其余部分组织如下：第2节描述了数据，并解释了所使用的方法。第三节讨论了研究的主要结果。第4节重点介绍了本研究的主要结论，第5节总结了最后的结论。

1. 数据

这项研究审议了1993年12月31日至2017年3月24日期间的每周数据(1213次观察)。这项研究考虑了圣路易斯市联邦储备银行(FederalReserveBankofSt.Louis1)提供的金融压力指数(FinancialStressIndex)。1美国的黄金现货价格数据是从世界黄金协会(fiGoldCouncil)获得的。对于世界原油价格，这项研究使用的是西德克萨斯中质原油(WTI)现货价格。作为股票的代表，这项研究考虑了标准普尔500指数(Samp;P500Index)。原油和股票价格是从彭博数据库中提取的。考虑到自然测井之间的差异，即RT=ln(Pt/Ptffminus;1)，计算了这些变量的基于索引的收益率。

在表1中，显示了股票、黄金和原油的汇总统计数据。黄金显示的最低值最低，而最高的最小值与股票收益有关，其次是原油。原油的最大值为最高值，而库存为最低值。股票的平均回报率是最高的；黄金和原油的回报率仍然是不同的。就标准差而言，原油的收益率波动最大，黄金的收益率最低。负偏度COEffi系数表示负收益率比正收益率更频繁。股票表现出较大的负偏度系数，而最小偏度则以黄金表示。对于黄金和股票来说，峰态是正的和极小的峰态，而正的峰态是指实现正向的可能性较高的一种方法。(1)对黄金和股票而言，正的峰态是指实现正向分布的可能性较高的一种方法，而对于黄金和股票而言，正的峭度表示了较高的实现概率。Jarque-Bera检验否定了正态分布的假设。Ljung-Box q-统计量的滞后顺序为10，为所研究的所有序列提供了序列相关性的证据。原油和股票收益率的线性相关系数与资金压力呈负相关。然而，欧洲央行对黄金回报率的预测是正的(尽管是弱的)。金与压力的正相关可能是质量现象的结果。

图2.1给出了股票、黄金和原油的风险敏感性。风险价值(VaR)表示在垂直轴上，置信水平表示在水平轴上。在99%可信水平下，黄金和股票的历史VAR均为7%。原油的VaR达到最大值，约为12%。因此，基于历史数据的推断表明，对原油进行股票套期保值可能是一个风险较大的命题。

1. 估算方法

用预报器资金压力x(T)检验了股票、黄金和原油y(T)之间的非线性因果关系，然后对分位数因果关系进行了反向检验。根据Jeong等人(2012年)，基于分位数的因果关系可能被定义为：

表1 股票、黄金和原油的统计特性

注：Jarque-Bera试验在5%水平下的临界值为5.99。Ljung-Box测试的滞后时间为10。p值在括号中报告。

图1 股票(Samp;P500)、黄金和原油的风险系数敏感度(Samp;P500)、黄金和原油的风险系数(Risk Connfi)

关于滞后向量{ytminus;1，hellip;，ytminus;p，xtminus;1，hellip;，xtminus;p}，x(T)不会导致theta;th分位数中的y(T)如果

此外，可以假设x(T)导致y(T)在相应于{yttheta;1，minus;1，hellip;的分位数中。，ytminus;p，xtminus;1，hellip;，XTminus;p}如果

其中qtheta;(yt|.)是y(T)的theta;th分位数。y(T)，qtheta;(yt|.)的条件分位数。取决于t，分位数限制在0和1之间，即0≺theta;≺1。

theta;分位数中x(T)toy(T)的平均因果关系的含义是，x(T)的历史值可能有利。

表2 线性VAR（1）格兰杰因果关系检验

注意：ne;≻ 代表 “ 不要格兰杰原因” 。

以theta;th分位数预测y(T)的值，但不以其他分位数预测y(T)的值。如前所述，这一测试是Jeong等人(2012年)第二次测试的延伸。此外，在检验高阶矩的因果关系时，一个常见的复杂现象就是第k阶矩，这通常意味着klt;m在第m阶矩中的因果关系。因果关系方法应用了Nishiyama等人(2011年)的顺序非参数格兰杰分位数因果关系方法，以消除所述的复杂性。

为了证明分位数中的非线性因果关系方法的应用合理性，在先前的研究(Babalos和Balsilar，2017年；Balsilar等人，2016)之后对数据的线性假设进行了检验。为了增加线性VAR(1)的可比性，进行了Granger因果关系检验(见表2)。结果表明，黄金和原油不能在所有显著性水平上被拒绝。BDS检验(Broock等人，1996)用财务压力方程对AR(1)过程的残差和变量VAR(1)的残差进行检验，以检验AR(1)过程的独立分布和一致分布(I.D.)。表3列出了BDS检验的结果，这为嵌入维数不同的AR(1)和VAR(1)过程的残差，未能接受I.D.的无效假设提供了相当多的证据。因此，在金融压力与股票、黄金、原油之间的关系中存在着非线性现象。因此，线性Granger因果关系检验易受误判错误概率的影响。表4还展示了AR(1)残差的多重结构断裂(BAI和Perron，2003年)，这进一步证明了因果关系，分位数方法的适用性。

表3

BDS测试。

注意：z统计信息被报告为各种嵌入式维度。p值在括号中报告。

表4

结构休息。