上海和伦敦黄金市场间的动态关联研究——基于多尺度视角下的分析

发布时间：2020-11-18 13:05

　　 黄金被视为一种优质的避险资产而受到投资者青睐。本文通过构建CEEMDAN-MMS-CCC-GARCH模型,在多尺度视角下分析了上海与伦敦黄金市场间的联动现象。首先,运用完全自适应集合经验模态分解(CEEMDAN)将上海黄金和伦敦黄金的收益率序列进行分解;其次,非线性格兰杰检验表明上海和伦敦黄金收益之间存在双向因果关系;最后,多尺度多元变区制GARCH模型结果表明:两个市场的高频项部分存在波动溢出关系,低频部分存在长期相关性,同时上海黄金市场表现出一定的独立性。
【部分图文】：

之间存在一定的同步性。我国特殊的计量制度和资本管制等现实情况以及上海黄金市场国际地位的不断上升又决定了其存在一定的独立性，并且也会对伦敦黄金市场产生一定的影响。三、上海黄金与伦敦金比较优势的实证分析（一）数据来源及描述性统计本文选用伦敦黄金市场下午定盘价作为伦敦金的指标。近年来，上海黄金交易所Au99.99的交易量较高，故选用其价格作为上海金的指标。本文使用2003年1月2日至2019年2月27日的日度数据，排除交易日期不同的数据，得到3828组有效数据，数据来源于Wind数据库和世界黄金协会。根据图1，伦敦金和上海金的价格走势十分接近，收益率序列（对价格数据进行对数差分）也存在明显的波动集聚效应。从伦敦金和上海金收益率条件相关性的指数加权平均（EWMA）估计量来看，伦敦金和上海金之间的相关性整体较强，且存在较明显的随时间而变化的特征。描述性统计量详见表1。（二）伦敦金和上海金收益率分解本文使用CEEMDAN将伦敦金和上海金的收益率序列分别分解为11个本征经验模态函数（IMF）和1个残差项。根据表2，可以看出伦敦金和上海金的每一对IMF具有相似的周期，这有助于分析两个市场在不同尺度上的波动溢出效应。IMF1（分解出来的第一个IMF，IMF2等类似）的周期约为2-3天，IMF2的周期约为5-6天，均在一周以内，这反映了短期内市场供需不均、投机行为等引发的正常市场波动，基本会在一周之内被市场消化。IMF3的周期超过一周，到IMF10周期已到达3-4年左右，黄金收益率所隐含的这些中长期特征。伦敦金和上海金间的波动溢出是两个市场动态关联的重要成分，因此，分解后IMF的方差占比是判表2收益率原始数据和IMF的统计特征注：IMF3-R为IMF3至IMF11及残差项相加得到的重构项图1伦敦金和上?

断其蕴含信息程度的关键指标。伦敦金和上海金的IMF1和IMF2的方差占比较大，说明这两个序列为黄金收益率序列波动的主要来源，意味着短期内的供需不均和投机行为等可能是导致黄金市场波动的主要因素，IMF3后的残差项波动性相对较校结合这些序列的方差占比、周期和内在特征，本文将其加总后重构，最后得到代表高频项的IMF1，代表中频项的IMF2以及代表低频项的IMF3-R，结果见图2。ADF统计量表明绝大多数IMF及重构项均是平稳序列，可以构建VAR和GARCH模型进一步分析。（三）多尺度视角下的格兰杰检验结果对原始数据进行线性格兰杰检验，发现在5%的显著性水平上，伦敦金是上海金的单向格兰杰原因，这与张江涛（2016）的结论一致。从表3可以看出，对CEEMDAN分解后的IMF进行检验，二者的高频项和中频项之间并不存在线性格兰杰因果关系，原始数据间的格兰杰因果关系主要由低频项部分决定。如果只基于线性格兰杰检验的结果，由于没有考虑风险传染、波动溢出等因素所导致的非线性格兰杰因果效应，结论并不准确。根据表4中非线性格兰杰检验（Diks和Panchenko，2006）结果，不管是原始数据还是在其他时间尺度上，均无法拒绝伦敦金和上海金互为格兰杰原因的假设，表明二者之间可能存在很强的波动溢出效应。伦敦黄金市场和上海黄金市场具有很强的动态关联，二者影响是双向的，从侧面佐证了上海黄金市场具有一定的的黄金定价权。（四）MMS-CCC-GARCH模型结果多元GARCH模型能充分利用残差的方差及协方差矩阵所蕴含的信息，更有效地刻画有共同波动趋势的多个金融市场之间的动态关系。而政策调整、结构变化等会对GARCH模型的系数造成影响，使模型的状态发生变化，而马尔科夫区制转移模型能有效描述这种变化，下文将对分解后的高、中、低频项?
【相似文献】

相关期刊论文 前10条

1 赵文建;;境内外价差缩窄 境内期现价差异常——近期不同市场间黄金价差情况分析与展望[J];中国城市金融;2014年04期

2 王涛;试述市场经济的金融导向问题[J];暨南学报(哲学社会科学);1989年03期

3 吴明华;;中国A股、港股与美股市场间时变相关性研究[J];南开大学学报(自然科学版);2017年05期

4 王波;;多层次资本市场间转板对接机制[J];中外企业家;2016年26期

5 胡新明;;中国A、B股市场间的信息流动[J];科技信息;2009年20期

6 靳珂;;中国金融市场间溢出效应研究[J];金融理论与实践;2015年01期

7 苑莹;王梦迪;张同辉;樊晓倩;;沪深300股指期现货市场间相依度测度实证研究[J];东北大学学报(自然科学版);2017年01期

8 孙笑竹;;证券市场间溢出效应的研究综述[J];科技和产业;2010年04期

9 杨毅;;港台股票市场间的波动溢出与市场整合[J];求索;2008年01期

10 吴志明;郭荣荣;;人民币境内外汇市场与境外衍生品市场间信息流动的实证研究[J];开发研究;2009年03期

相关博士学位论文 前3条

1 何敏园;国内外金融市场间的相依结构及风险溢出关系研究[D];湖南师范大学;2018年

2 李红霞;我国资产市场间均值溢出效应及波动的相关性研究[D];重庆大学;2012年

3 谢晓闻;中国金融市场联动关系研究[D];南开大学;2014年

相关硕士学位论文 前10条

1 曾梓沛;人民币在岸与离岸市场间的关系研究[D];西北农林科技大学;2019年

2 王雪帆;离岸与在岸人民币套汇活动及套汇空间影响因素研究[D];吉林大学;2019年

3 郭凝芳;我国主板、中小板和创业板市场间的流动性溢出效应研究[D];山西财经大学;2018年

4 蒙成;中美两国汇市、股市和货币市场间溢出效应对比研究[D];上海师范大学;2018年

5 姚学霖;A股不同层次市场间上市公司送转动机的对比研究[D];兰州大学;2018年

6 曾海歌;VIX指数对股票市场间联动性影响的实证研究[D];中国科学技术大学;2018年

7 赵啟麟;离岸市场发展与人民币定价权研究[D];首都经济贸易大学;2018年

8 李斐;离在岸人民币市场间信息溢出效应研究[D];深圳大学;2017年

9 陈汉新;中国房地产市场和股票市场间的相关性研究[D];华中科技大学;2013年

10 吕杨波;我国金融市场间均值及波动溢出效应研究[D];浙江理工大学;2017年

本文编号：2888751