衡量黄金价格对不确定性的反应：超越分析

2022-6-10 04:57:19

衡量黄金价格对不确定性的反应：法国保罗大学MeanjamalBoouiyourUniversity of Pau的一项分析。电子邮件：jamal。bouoiyour@univ-加索尔。法国保罗塞尔米大学。电子邮件：refk。selmi@univ-加索尔。frMark E.Wohar通讯作者。内布拉斯加州大学奥马哈分校工商管理学院，6708 Pine Street，Omaha，NE 68182，USA；英国莱斯特郡拉夫堡大学商业与经济学院。电子邮件：mwohar@unomaha.eduAbstract：本文从创新的角度阐述了黄金作为对冲和避险工具的作用。我们使用分位数对分位数回归方法来捕捉不同黄金市场条件下黄金回报与不确定性变化之间的依赖结构，同时考虑不确定性水平的细微差别。为了捕捉核心不确定性对黄金回报的影响，使用了动态因素模型。这项技术可以在一个不确定性总体测量中总结六个不同指标（即经济、宏观经济、微观经济、货币政策、金融和政治不确定性）的影响。通过这样做，我们表明，黄金作为对冲和避险工具的作用并不能一直保持不变。这种能力似乎对黄金的各种市场状态（看跌、正常或看涨）以及不确定性是低、中还是高都很敏感。有趣的是，当不确定性达到最高水平时，在正常黄金市场情景下，我们发现黄金回报与不确定性综合指标之间存在着积极而强烈的关系。

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

2022-6-10 04:57:22

这表明，持有由黄金组成的多元化投资组合有助于防范不确定风险。关键词：黄金、不确定性、对冲、避险、分位数对分位数回归。凝胶分类：G11、G15、C58。致谢：作者感谢编辑SushantaMallick和两位匿名评论员对本文早期版本的有益和有见地的评论和建议。集锦我们检验了黄金收益率对不同不确定性指标的反应。我们使用分位数对分位数的回归模型。我们开发了一个基于六个不确定因素的不确定度综合指标。黄金的对冲和避险能力取决于黄金市场状态。黄金作为对冲和避险工具的作用取决于不确定性的细微差别。1.简介黄金的对冲和避险资产是金融领域最受关注的问题之一。当其他资产类别非常不稳定时，黄金被广泛视为避风港。此前的实证研究表明，在市场压力或动荡时期，黄金与其他资产之间的联系会发生显著变化（Hartmann等人，2004年；Baur和McDermott，2010年；Baur和Lucey，2010年；Wang等人，2011年；Miyazaki等人，2012年；Ciner等人，2013年；Mensi等人，2013年；Rebredo，2013年；Wang和Chueh，2013年；Arouri等人，2015年；Bampinasand Panagiotidi，2015年；Beckmann等人，2015年；Nguyen等人，2016年；Van Hoang等人，2016年等）。尽管关于黄金价格与其他资产之间依赖关系的实证文献显著增加，Beckmann等人。

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

2022-6-10 04:57:26

（2017）指出，关于黄金对冲和避险属性的传统观点和众所周知的观点可能具有误导性，直接评估黄金与不确定性之间的相关性似乎更为相关。只有有限的文献试图研究不确定性对黄金价格动态的影响。所有这些都专注于单个不确定性代理。Jones和Sackley（2016）研究了黄金价格动态与经济政策不确定性之间的相关性，发现巨大的不确定性会导致黄金价格上涨。同样，Gao和Zang（2016）研究了经济政策不确定性对英国股市和黄金市场之间关系的影响。他们表明，不确定的经济政策引发了适度的相关性，而强相关性与某些经济政策相关。Balcilar等人（2016年）测试了经济、宏观经济和金融不确定性在决定黄金回报和波动性方面的作用，并发现宏观经济和金融不确定性在解释黄金价格动态方面起着至关重要的作用。然而，经济政策的不确定性对黄金回报率并没有显著影响。此外，Gospodinov和Jammali（2016）评估了货币政策的影响。避风港是一种在动荡时期有望保值甚至升值的投资。商品价格的不确定性。他们认为，与消极货币政策冲击相关的不确定性会降低大宗商品价格，而与积极货币政策冲击相关的不确定性会对大宗商品价格产生不同的影响（即，负向和正向取决于所考虑的大宗商品）。

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

2022-6-10 04:57:29

此外，关于政治周期的影响以及政府对资产回报的政治取向的文献也对资产市场发展与政治之间的关系进行了大量研究（例如，见D"opke和Pierdzioch，2006；Bohl等人，2009；Gupta等人，2017；Hou等人，2017等）。Hou等人（2017年）调查了围绕美国总统选举的政治不确定性对87种商品价格的影响。他们发现，政治不确定性对商品价格（尤其是黄金价格）产生了统计上的负面影响。有趣的是，比较几种不确定性指标对黄金回报的影响的实证研究非常缺乏，并且表明它们对黄金价格动态的影响存在很大差异（例如，Balcilar et al.，2016；Beckmann et al.，2017）。我们的研究通过调查黄金是否满足不同黄金市场情景和不同不确定性事件下的对冲和避险属性，补充了先前的实证研究。很明显，时间和频率对黄金价格动态都很重要，因为近年来黄金经历了急剧的演变（Fang et al.，2018）。然而，一些研究区分了黄金和其他资产之间的短期和长期相关性（例如，见Wang等人，2011；Wang和Chueh，2013；Beckmann等人，2015；Nguyen等人，2016；Gao和Zang，2016）。此外，一些研究已经测试了黄金是否具有通过辨别来对冲通胀的能力。在现阶段，必须强调的是，上述所有研究都集中在不确定性的一个特定方面，同时我们进行了更全面的研究。

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

2022-6-10 04:57:32

在本研究中，我们区分了不同类型的不确定性，而关于核心问题的论文侧重于一些不确定性度量（很大程度上是宏观经济不确定性和经济政策不确定性）。此外，没有多少实证研究考虑不确定性与经济活动以外的变量之间的联系。在短期和长期动态之间（例如，见Van Hoang et al.，2016）。我们研究的创新之处在于分析黄金收益分位数和不同不确定性指标的整个依赖结构，从而将分位数回归扩展到分位数对分位数回归（QQR）。该方法提供了一个衡量平均依赖性以及上下尾部依赖性的方法，这取决于黄金市场条件的不同以及不确定性是低、中还是高。此外，本研究提出了一个不确定性综合指标，旨在将六个不确定性指标（即经济、宏观经济、微观经济、货币政策、金融和政治不确定性）的影响综合在一个不确定性总体测量中。为此，我们使用了Doz等人提出的动态因素模型（DFM）。(2012). 新的不确定性综合指标考虑了元素不确定性动态，然后可以捕捉不确定性对黄金回报率的核心影响，而黄金回报率并非特定于这一现象的特定度量。据我们所知，这是第一篇研究黄金对冲核心不确定性影响能力的论文。

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

点击查看更多内容…

2022-6-10 04:57:36

关于使用不同指标对不确定性进行聚合测量的研究报告很少（Haddow et al.，2013；Charleset al.，2017）。然而，未发现关于综合不确定性indexon黄金回报的影响的研究。简言之，使用动态因素模型和分位数对分位数回归（quantile-on-quantileregression）比只研究黄金与其他资产之间的关系随时间的变化更为广泛和准确。我们的研究结果表明，黄金在不确定时期将起到对冲和避险的作用。但这一特性取决于黄金市场环境、不确定性水平的细微差别以及所使用的不确定性度量。我们的结果也强调了不确定性综合指标的有用性。论文的其余部分组织如下。第2节描述了数据和执行的方法。第3节报告并讨论了实证估计结果。第4节结束。数据和方法2.1。数据和描述性统计本研究考察了在不同黄金市场状态和各种不确定性水平的条件下，黄金收益率与不确定性综合指数之间的动态相关性。我们的调查首先基于黄金收益率（Gr）。我们采用上午19:30（伦敦时间）黄金定价的第一个差分自然对数，可从圣路易斯联邦储备银行下载。如上所述，成分指标（CUCI）是通过总结六个不确定因素构建的。作为宏观经济不确定性（MAUCI）的指标，我们使用了Jurado等人开发的一种度量方法。

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

2022-6-10 04:57:39

（2015），基于从一个包含每月132个宏观经济时间序列的各种不可预测成分的小组得出的共同因素。此外，我们还采用了Bachmann等人（2013）开发的微观经济不确定性指标（MIUCI），该指标基于商业环境中的预测离散度。此外，我们利用Baker等人（2016）提供的经济政策不确定性指数（EPUCI），基于三个主要组成部分：（a）报纸引用经济政策不确定性的频率，参考包含以下关键词的文章：“不确定性”、“经济”、“国会”、“赤字”、“美联储”、“立法”，“条例”或“白宫”，（b）计划到期的税收规定，以及（c）预测者对未来ZF支出和通货膨胀的不满。此外，Husted et al.（2016）最近提出了货币政策不确定性（MPUCI），通过在主要新闻报纸中搜索与货币政策不确定性相关的关键词，我们能够检测美联储政策行动的有效性及其结果。这些关键词主要包括“不确定性”或“不确定性”、“货币政策”或“利率”、“政策利率”或“再融资投标”。此外，我们考虑了Ludvigson et al.（2015）根据Jurado et al.（2015）的方法构建的金融不确定性指数（FUCI），通过总结每月147个金融时间序列，包括债券、股票和商品市场。最终，考虑了Azzimonti（2017）开发的政治不确定性指标（PUCI）。该指数是根据报纸上显示美国政客之间分歧的文章频率编制的。

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

2022-6-10 04:57:42

由于研究中不确定度指标的可用性，数据涵盖了1999年1月至2015年9月的样本期（每月频率）。虽然MAUCI、MIUCI、EPUCI、FUCI和PUCIare的可用期更长，但MPUCI的重点是1999年1月至2017年7月的限制期。表1报告了使用的所有数据、可用性及其来源。我们感谢审稿人对我们的论文进行了非常仔细的审查，并指出了富有洞察力的评论。已对该文件进行了一次主要修订，以考虑到所有这些因素。具体而言，我们重新估计黄金收益率与所有不确定性指标之间的相关性，同时在整个研究过程中固定频率和样本周期。由于替代的不确定性度量在不确定性代理的数据输入方面有所不同，本研究将在数据来源可用时立即转换为包含更多数据源的指数。本研究考虑了所有考虑的不确定性代理的类似频率和时间段，即1999年1月至2015年9月的月度数据。表1：。

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

大多数88

2022-6-10 04:57:45

数据、定义、可用性和来源变量定义可用性数据来源链接因变量：GrGold returnsApril 1968 2018年5月https://fred.stlouisfed.org/series/GOLDAMGBD228NLBMThe自变量：不确定性代理宏观经济不确定性1960年7月2017年12月https://www.sydneyludvigson.com/data-and-appendixes/MIUCIMicroeconomic不确定性1989年10月-2015年9月https://www.american.edu/cas/faculty/sheng.cfmEPUCIEconomic政策不确定性1985年1月-2015年11月http://www.policyuncertainty.com/ orhttps://fred.stlouisfed.org/series/USEPUINDXDMPUCIMonetary政策不确定性1999年1月至2017年7月http://www.policyuncertainty.com/hrs_monetary.htmlFUCIFinancial不确定性1960年7月2017年12月https://www.sydneyludvigson.com/data-and-appendixes/PUCIPolitical不确定性1981年1月至2018年3月https://www.philadelphiafed.org/research-and-data/real-time-center/partisan-conflict-indexTheGr、MAUCI、MIUCI、EPUCI、MPUCI、FUCI和PUCI的变化数据已绘制在图A.1（附录）中。我们观察到，在研究期间，围绕经济、宏观经济、微观经济、货币和金融政策以及不可预见的政治事件的不确定性加剧。在同一时期，我们注意到黄金表现出波动性。更重要的是，图表证据表明，在某些时期，黄金与不确定性似乎正相关。例如，我们注意到特定时期（特别是全球金融危机爆发），其中不确定性的大幅增加伴随着Gr的上升。这适用于所有不确定性指标，但程度不同。此外，2013年3月（对塞浦路斯银行的救助）因Gr中出现的金融和政治不确定性增加（FUCI和PUCI）而受到影响。

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

大多数88

2022-6-10 04:57:48

黄金回报对不确定性指标反应的这种异质性，说明了开发一个能够解释不确定性核心动态的综合指数的相关性。此外，在某些时期，黄金和不确定性的作用方向是相反的。这突出了在不同情景下分析这种关系的重要性。表2总结了描述性统计数据。我们表明，所有时间序列中的平均变化都是正的（PUCI除外）。标准偏差值表明，MPUCI和EPUCI的波动幅度大于MAUCI、MIUCI、Fucian和PUCI。Jarque-Bera检验表明的非正态性和过度峰度（即重尾）促使我们研究基于分位数的方法。此外，我们还评估不同分位数水平上黄金对各种不确定性指标的反应是否存在统计差异。应读者要求，Koenker和Xiao（2002）检验的结果绝大多数拒绝了Gr不同分位数的斜率质量的无效假设。这些发现加强了基于分位数的模型相对于普通最小二乘（OLS）回归的适用性。表2：。描述性统计GRMAUCIMIUCIEPUCIMPUCIFUCIPUCIMEAN0.0161110.0069500.0148100.0216350.0265990.020168-0.004518中间值0.0101410.0047630.0127210.0186970.0257660.022808-0.004798Std。Dev.0.0380150.0118230.0223460.0310610.0393780.0214580.024853歪斜度0.3309770.3251400.1950060.050090-0.086380-0.201764-0.156279峰度3.2166353.4754803.6266393.6500333.6753921.6951753.377854Jarque-Bera40.3207019.3286624.7782211.2636111.4933915.8559220.43955p-value0.0001830.0114870.0097000.0693950.0628910.0003610.000883注：标准偏差。

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

可人4

2022-6-10 04:57:52

表示标准偏差；p值对应于基于Jarque-Bera检验的正态性检验。为了更好地确定基于分位数的非非线性方法的有用性，我们对从该OLSmodel恢复的残差进行了BDS非线性测试(ttttGrUCIGr公司1).Brock等人（1996）开发的BDS检验用于检验独立和相同分布的零假设，以检测非随机混沌行为。如果无效假设被拒绝，这意味着线性模型被错误指定。表3中报告的BDS测试结果表明，研究中的所有变量都是非线性相关的，这是混沌行为的迹象之一，证明了对黄金收益率和不确定性指标之间的相关性进行非线性分析的重要性。分位数对分位数回归解释了可能的非线性、结构突变和制度变迁，因为它显示了分布对分布的影响。表3：。检测返回序列嵌入维数（m）非线性的BDS测试GrMAUCIMIUCIEPUCIMPUCIFUCIPUCI21.45***23.45**18.87***16.32**18.26**15.41**18.69**19.68**19.48**19.11***18.21**19.43**17.05**17.13***20.43**20.11***18.34**19.13**21.22**19.86**18.72***19.27**17.73***21.46**20.17**18.65**18.09*18.78***16.93**19.06***19.67**19.24**17.21**17.67**18.19**17.74**20.43**21.33**22.58**18.18**19.14***18.68***18.12**19.96**19.16**24.1521.04**20.23**18.22**18.04**19.02*20.48**19.42**21.68**20.91***注：m表示BDS测试的嵌入尺寸。*，***，***表示拒绝i.i.残差为零。

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

2022-6-10 04:57:55

显著性水平分别为10%、5%和1%。2.2.分位数对分位数回归黄金在不确定时期充当对冲和避险工具的能力取决于黄金价格与不确定性之间的关系。为了区分对冲和避险资产，我们根据平均和联合极端波动确定黄金回报和不确定性水平变化之间的相关性（Rebredo，2013）。准确地说，如果黄金在正常状态下（即当不确定性处于中间水平时）与不确定性表现出积极的联系，则黄金被视为对冲。当不确定性较高时，如果它与不确定性正相关，则被视为安全港。本文通过使用Sim和Zhou（2015）开发的分位数对分位数回归（QQR）方法，对同一问题的文献做出了贡献。QQR可以根据不同的黄金市场条件（即看跌、正常或看涨）和不确定性的细微差别（即低、中或高），捕捉黄金回报和不确定性之间的动态联系。关于黄金回报分位数和不确定性变化分位数之间的尾部依赖性的证据，对于投资者对冲不确定敞口来说是突出的。QQR是标准量化回归（quantileregression，QR）方法的推广，该方法能够检查变量的分位数如何影响另一个变量的条件分位数（Sim和Zhou，2015）。

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

2022-6-10 04:57:58

QQR有助于利用黄金回报信息评估黄金回报和不确定性的整体依赖结构。具体而言，通过使用QQR，我们能够将黄金收益分位数（Gr）建模为不确定性变化分位数（UCI）的函数，因此这些时间序列之间的联系可能会在各自分布的每个点上发生变化。图1提供了有关OLS、QR和QQR之间差异的更多详细信息。R包Quantreeg。利用nonpar实现分位数对分位数的非线性回归。本研究中使用的R代码可根据要求及时提供给读者。图1：。OLS vs.分位数回归vs.分位数回归上的分位数let上标表示黄金回报的分位数（Gr）。我们首先假设-Gras的分位数是不确定性指数（UCI）和滞后Gr的函数。ttttGrUCIGr公司1（1）其中是具有零的错误项-分位数。我们允许关系函数（.）未知，因为我们事先没有关于大UCI的相关信息。为了检验Gr的分位数和UCI的分位数（用UCIτ表示）之间的依赖结构，我们将函数（.）考虑（.）的一阶泰勒展开UCIτ周围。我们有：）（（）（）（\'乌西乌西特（2） Sim和Zhou（2015）定义）(uCind）（\'UCI，分别为，（0和），（1. 此后，等式（2）可以表示为：t型普通最小二乘回归（OLS）分位数对分位数回归（QQR）分位数回归（QR）-常方差（同方差）-平均值是自变量（UCI）的线性函数-时变方差（异方差）-分位数回归是一个线性函数。

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

2022-6-10 04:58:01

-这是-自变量（UCI）上因变量（Gr）的分位数-时变方差（异方差）-分位数对分位数回归是一个非线性函数-这是-因变量的分位数（Gr）与自变量的τ-分位数（UCI）之比。）(,(),()(10乌西特（3）以下步骤包括将等式（3）替换为等式（1），以获得：TTTTucigrgr))（，（）（），（110（4）式中，公式（4）带到Gr的条件分位数。与标准分位数回归不同，表达式））（，（），（10UCUICT公司考虑Gr的-分位数和UCI的-分位数之间的联系，因为和在和中是双索引的。简言之，QQR允许通过Gr和UCI各自分布之间的依赖关系，更完整地检测Gr和UCI之间的依赖关系。在尝试估计公式（4）时，我们求解=1. 1.() （5）在哪里对应于给出-Gras a解的条件分位数。然后我们进行高斯核K（.）根据基于带宽h=0.05的异常概率分布对观测值进行加权。重量似乎与UCItfromUCI的距离相反:=(< )=1（6）发件人, 哪里是指的分布函数的值.我们采用同样的方法来评估黄金回报与上述六个不确定性指标（即MAUCI、MIUCI、EPUCI、MPUCI、FUCI和Puci）以及开发的综合不确定性指标之间的相关性。()01.3.

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

大多数88

2022-6-10 04:58:04

实证结果3.1。分位数对分位数结果本研究侧重于不同黄金市场环境下黄金回报与不确定性条件之间的直接关系以及不确定性水平的细微差别。具体而言，我们认为分位数反映了黄金市场的熊市、正常或看涨程度，以及不确定性指数是低、正常还是高。为了研究熊市（牛市）期间黄金回报与不确定性变化之间的动态相关性，考虑了第10、20、30和40（60、70、80和90）回报量之间的联系。正常状态下的返回相关性通过位于中心的分位数（第50个返回分位数）确定。基于等式（4）中表示的分位数对分位数回归方法，黄金回报分位数（按指数）和不确定性指标分位数（按τ指数）之间的整体相关性可通过两个主要参数合成：, 和, ,截距项和斜率系数。作为和τ的函数，这两个参数因不同的黄金市场状态和不确定性水平的细微差别而不同。图2的左侧绘制了截距项的曲面。与标准分位数回归中对不确定分位数不敏感的截距项不同，从QQR导出的截距既取决于Y轴上Gr的分位数，也取决于X轴上uci的分位数。我们注意到，在MAUCI、EPUCI、MPUCI、FUCI和PUCI的底部分位数处（即当不确定度较低时），截距项通常为正且较大，在MIUCI的上部分位数处（即当不确定度较高时），以及在各种黄金市场情况下。

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

2022-6-10 04:58:07

例如，对于Gr和MAUCI之间的关系，在黄金牛市状态下（=0.7、0.8、0.9）和不确定性较低时（τ=0.2、0.3、0.4），Intercept参数似乎是正的和强的。然而，当黄金市场看跌（=0.2）且不确定性较低（τ=0.3，0.4）时，其为负值。当考虑Gr和MIUCI的相关性时，在正常和牛市条件下（=0.5、0.6、0.7）以及不确定性较高时（τ=0.7、0.8、0.9），截距项为正且强。当黄金市场好转（=0.6，0.7）且不确定性下降（τ=0.3）时，这也是积极的。然而，当不确定性达到其最高水平（τ=0.9）时，以及在熊市条件下（=0.3），截距可能为负值。图2右侧绘制了黄金回报率对不同不确定性代理的响应。有趣的是，正如之前关于同一问题的研究所记录的那样，我们表明，不同的不确定性度量对黄金回报率显示出不同的影响（例如，Blose，2010；Jones and Sackley，2016；Balcilar et al.2016；Beckmann et al.2017）。图2（a）报告了黄金回报对宏观经济不确定性的反应估计。当宏观经济不确定性较高（τ=0.6、0.7、0.8）且在熊市和正常黄金市场制度下（=0.2、0.3、0.4、0.5），可以观察到一个明确的积极响应。然而，当不确定性接近正常值（τ=0.5）且黄金市场状态为牛市（=0.6，0.7，0.8）时，观察到一种负而强的关系。考虑到微观经济的不确定性（图2（b）），我们显示，当市场指数达到最高水平（τ=0.9）和黄金市场看跌（=0.4）或正常（=0.5）时，Gr会做出积极而巨大的反应。

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

2022-6-10 04:58:10

当不确定性较高（τ=0.7）且在正常（τ=0.5）和轻度牛市（τ=0.6，0.7）黄金市场环境下时，这种联系仍然是积极的。当不确定性略高（τ=0.6，0.7）且黄金市场处于牛市（=0.6，0.7，0.8，0.9）状态时，这种联系很可能为负且显著。此外，当黄金价格指数较高（τ=0.6、0.7、0.8、0.9）和熊市情景下（=0.2、0.3），黄金回报对图2（c）中报告的经济政策不确定性的反应似乎是积极的和实质性的。然而，当不确定性较低或中等（τ=0.2、0.3、0.4、0.5）时，以及在正常和牛市情况下（=0.5、0.6、0.7、0.8），可以看到负相关。此外，我们发现，当MPUCI最高（τ=0.9）时，在各种黄金市场情况下（=0.4、0.5、0.6、0.7），黄金回报率对货币政策不确定性的反应积极且广泛（图2（d））。当不确定性较高（τ=0.8）且在黄金牛市状态下（=0.9）时，Gr-MPUCI呈负相关。如果我们考虑金融不确定性（图2（e）），则在不确定性加剧的时期（τ=0.7，0.8）和黄金市场正常（=0.5）或看涨（=0.7，0.8，0.9）时，我们会看到积极且显著的Gr反应。当不确定性较低（τ=0.2）且在牛市制度下（=0.7、0.8、0.9），这种依赖性也为正，但程度较小。然而，无论不确定性水平如何（即低、正常或高）以及黄金市场何时下跌（=0.1、0.2、0.3），这种关系都是负面的。

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

mingdashike22

2022-6-10 04:58:13

通过关注政治不确定性对黄金价格动态的影响（图2（f）），我们清楚地显示了当不确定性最高（τ=0.9）且黄金市场看跌（=0.2，0.3，0.4）时，Gr反应积极而强烈（a），（b）当不确定性为正常或略高（τ=0.5，0.6）且在不同的黄金市场条件下（熊市：=0.2，0.3，0.4；正常：=0.5；牛市：=0.6，0.7）。然而，当不确定性较大（τ=0.8）且黄金市场在其正常状态（=0.5）附近运行时，则呈现负相关。图2（a）。Gr和MAUCIFig 2（b）。Gr和MIUCIFig 2（c）。Gr和EPUCIFig 2（d）。Gr和MPUCIFig 2（e）。Gr和FUCIFig 2（f）。Gr和PUCIFig。2、黄金收益率和不确定性指标：分位数对分位数回归的估计参数注：此图显示了等式（4）的估计参数。图的左侧绘制了接受项的变化, 在z轴上，相对于黄金回报的θ-分位数和X-y轴上不确定度的τ-分位数。图的右侧描述了斜率系数的估计值，, , 将其放置在z轴上，相对于y轴上Gr（θ）的分位数和x轴上UCI（τ）的分位数。对于intercept参数和斜率系数，红色（黄色）对应于截距/斜率系数的正值和强（弱）值，而深（浅）蓝色对应于截距/斜率系数的负值和显著（中等）值。浅绿色对应截距/斜率系数的最小值或可忽略值。总的来说，我们的研究结果表明，黄金是抵御各种不确定性的避风港，但仅是针对政治不确定性的对冲。

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

2022-6-10 04:58:16

这些属性还取决于黄金市场条件。上述混合调查结果可追溯到这些不确定性指标的各种定义和决定因素。这促使我们通过总结上述不确定性指数来构建不确定性综合指标（CUCI）。这使我们能够研究不同黄金市场环境和不同程度的不确定性对黄金价格动态的核心影响。3.2.不确定度复合指标的构建在确定黄金对本研究中使用的不同不确定度指数的异质反应后，我们尝试在以下方面确定其共同驱动力，我们将其解释为复合不确定度指标。为此，我们首先建立一个因子模型，如下所示：λftt（7）英尺ψ（L）ft-1t（8）每个XT对应于两个不可观测分量的总和，这是一个检测核心不确定性影响的公共因子(txλft）和一个特殊成分（t) 捕获特定冲击或测量误差。

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

2022-6-10 04:58:20

注意，公因子和特质成分是不相关的；数据向量（Xt））log（），。。。，日志（，，1 tnt维度n×1表示标准化的个人不确定性度量，即经济、宏观经济、微观经济、货币政策、金融和政治不确定性因素。对于因子模型，我们采用方差的对数平方根（）log（），。。。，日志（，，1 tnt) 使因子具有负值；ft=（f1t，…，fnt）是影响所有不确定度指标的公共因素的ann维向量；λ=（λ1t，…，λnt）是因子载荷的n维向量，其中λ中的每个元素都潜在地反映了公共因子对所研究的不确定性指数的影响。此后，我们让ftin等式（8）来追求向量自回归过程。拉格多项式ψ（L）11。。。ppL公司其维数为r×r。相应的创新由r×1维向量Γt表示，并可分解为Γt=rμt。r维向量μt包含正交白噪声冲击，r是一个r×r矩阵。在这一阶段，我们应该强调，假设要素创新和特质成分在所有滞后（L）下都是独立的。我们假设基本冲击的数量μ与公因子r的数量相似。最终，我们通过Doz et al.（2012）开发的准最大似然（QML）程序估计方程（7）和（8）。在方法上，QML基于EM算法和卡尔曼平滑器相结合。更准确地说，Doz等人（2012年）使用从Xt协方差矩阵的r最高特征值对应的主分量中得出的TF^估计值计算了EM算法。

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

mingdashike22

2022-6-10 04:58:23

此后，我们在两个主要步骤之间迭代：M-step和E-step（见图3）。通常，我们通过以下方式定义滞后运算符：1TTXLX和KTTKXXL. 滞后多项式在滞后算子中被视为多项式。Let11…）(ppLL公司是滞后多项式。作为操作员，由PTPTTTXXXXL定义....)（2211.我们构建了一组Matlab例程来运行动态因子模型（DFM）。源代码可通过以下链接获得：http://www.barigozzi.eu/Codes.html.Fig.动态因素模型的估计DFM至少有三个主要优点。首先，它允许在一个广泛的数据集中以一些共同因素综合信息（Hezel和Malte，2013）。然后将后者用作不确定度综合指标的度量。这将有助于确定全部不确定性对黄金回报率的影响，而黄金回报率并不是衡量不确定性的具体指标。其次，与主成分分析不同，DFM正确地检测了成分的可变性（Lim和Nguyen，2015）。第三，最大似然法更适用于小样本。3.3.测量黄金回报对不确定性综合指数4的响应，显示研究中不同类别不确定性指数之间的相关矩阵。我们表明，本文中使用的所有不确定度指标（1）M-step包括：-通过估计函数Ftf^中的Xt来确定λ-估计t型^Xttf^^-使用t型^Xttf^^-评估由以下表达式表示的特质成分的协方差：^-估计残差的协方差^（2）E步骤包括：-假设tandt公司正态分布且相互独立。

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

2022-6-10 04:58:26

-使用卡尔曼平滑器检查似然函数，并提供有关估计因子tf^的最新信息-在E步和M步之间迭代，直到成功完成收敛-对协方差进行特征值分解^. 设M是一个矩阵，它在主对角线上引入特征值，在其他地方引入零。将相应的特征向量放入矩阵Q中。然后通过：R^=QMand确定Randμt型^t^Q M（即MAUCI、MIUCI、EPUCI、MPUCI、FUCI和PUCI）表现出正的和强的一阶自相关，强调宏观经济、微观经济、经济政策、货币政策、金融和政治不确定性是持久的，并且这些指标是正相关的。这些不确定性指标往往会一起移动，这一事实突显出所有指标都存在一个共同的不确定性成分。因此，我们试图通过使用动态因子法开发不确定性综合指数（CUIC）来确定这种常见的不确定性成分。由于不确定性替代指标在不确定性代理的数据输入和构建指标所采用的方法方面有所不同，本研究将替换为包含更多可用数据源的指数。特别是，为了构建综合不确定性指标，我们使用了1999年1月至2015年9月期间的月度数据。表4：。不确定度指标之间的相关矩阵maucimuicepucifucimaucimauci0.979930.929740.861100.697370.19012MIUCI0.979520.933970.535920.23007EPUCI0.982790.479100.27314MPUCI0.417250.30773FUCI0.23083PUCIρ（1）0.730.880.760.630.710.54注：ρ（1）为一阶自相关。表5报告了不确定性综合指数的描述性统计数据。

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

2022-6-10 04:58:29

基于动态因素模型，我们发现所有经济、宏观经济、微观经济、货币政策、金融和政治不确定性都是共同不确定性动态的原因（不同的不确定性度量与综合指数之间的相关性很强，而PUCI的影响程度较小）。MPUCI和MAUCI有力地解释了不确定性的常见变化。这一结果表明，要对不断增加的不确定性做出有效的政策反应，必须考虑各种不确定性来源。表5：。复合不确定度指标的描述性统计基本统计平均值为0.01156Std。Dev.0.06852skowness0.98632Kurtosis3.18725相关性mauci0.78MIUCI0.68EPUCI0.61MPUCI0.81FUCI0.54PUCI0.19ρ（1）0.94注：标准偏差表示标准偏差；ρ（1）是一阶自相关。图4描述了基于动态因子模型开发的综合不确定性指数的演变。我们清楚地注意到，综合综合指数与众所周知的高度不确定性时期相吻合，包括2001年9月的恐怖袭击、全球金融崩溃（2008-2009年）、希腊债务危机、塞浦路斯银行纾困（2013年3月）和中国经济放缓（自2015年第一季度以来）。

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

可人4

2022-6-10 04:58:32

然而，当我们将CUCI水平与整个研究中使用的不同不确定性指标进行比较时，我们注意到一些不同之处（见图A1），例如在中国经济衰退期间；虽然CUCI显著增加，但我们观察到PUCI下降。这些差异可以归因于这样一个事实，即围绕中国危机的不确定性是特定于一个不确定性来源的，而不是考虑中的六个不确定性来源的共同点；因此，综合指数是有用的。图4：。不确定性综合指数的演变利用这一发展起来的综合指数，我们可以更全面地评估不确定性对黄金价格变化的作用。图5显示了黄金收益率θ-分位数与综合不确定性指数τ-分位数回归的估计参数。图的左侧绘制了截距参数的变化。我们注意到，当黄金市场看涨（看跌）且在各种不确定性情况下，存在一个积极（消极）和强大的截距。该图右侧分别描述了大CUCI的黄金回报率和不同的τ分位数组合的不确定度综合指标之间的依赖结构。我们表明，当不确定性达到其最高水平（τ=0.9）以及黄金市场熊市或正常（τ=0.4，0.5）时，黄金收益率与不确定性综合指数之间存在着积极而强烈的关系。

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

2022-6-10 04:58:35

（A）当不确定性较高（τ=0.9）且黄金市场看涨时（=0.6、0.7、0.8、0.9），（b）当不确定性水平接近平均值（τ=0.5）或略高（τ=0.6、0.7），且黄金市场熊市或正常时（=0.3、0.4、0.5），可以看到对CUCI的中等积极GR响应，以及（c）当不确定性较低时（τ=0.3，0.4），在不同的黄金市场状态下（熊市：1.651.71.751.81.851.91.9522.051999M01199M092000M052001M012001M092002M052003M012003M092004M052005M012005M092006M052007M012007M092008M052009M012009M092010M052011M092013M013M092014M092015M052015M0109=0.4；正常：0.5；牛市：=0.5 6）。然而，我们观察到，当不确定性水平为低或中等（τ=0.4，0.6）且在正常（=0.5）和牛市（=0.6，0.7，0.8，0.9）黄金市场条件下，GR对CUCI的反应为负且更广泛。这里必须强调的是，不确定性综合指数和黄金回报之间的相关性比单个不确定性指数和Gr之间的相关性更为强烈，突出了综合指数的相关性。当不确定性达到其最高水平时，不确定性对黄金回报的积极而强烈的影响并不令人惊讶，因为导致重大宏观经济、微观经济、经济、货币政策、金融或政治不稳定的意外事件导致的不确定性增加可能会在避险资产价格的急剧变化中体现出来。这可能是因为市场参与者（投资者或交易员）通过重新平衡其对安全资产的投资来应对巨大的不确定性，或者因为持有此类资产的人不太愿意出售它（Caballero和Krishnamurthy，2008；Piffer和Podstawski，2017）。

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

2022-6-10 04:58:39

但我们的研究结果表明，当不确定性最高或中等（低）时，以及在不同的黄金市场状态下，这种关系是正（负）的，这有助于现有文献对这一问题的研究。虽然相对来说并不模棱两可，但我们的结果表明，黄金作为对冲和避险工具的作用不一定总是成立的。我们可以将这一结果归因于黄金市场的情绪、黄金市场的供求基础、其他资产的行为以及常规和非常规货币政策措施的有效性。图5：。黄金收益率和综合指数：分位数对分位数回归的估计参数注：此图显示了等式（4）的估计参数。图的左侧绘制了接受项的变化, 在z轴上，相对于黄金回报的θ-分位数和X-y轴上不确定度的τ-分位数。图的右侧描述了斜率系数的估计值，, , 将其放置在z轴上，相对于y轴上Gr（θ）的分位数和x轴上CUCI（τ）的分位数。对于截距参数和斜率系数，红色（黄色）对应截距/斜率系数的正值和强（弱）值，而深（浅）蓝色对应截距/斜率系数的负值和显著（中等）值。浅绿色对应截距/斜率系数的最小值或可忽略值。3.4.分位数对分位数回归与。

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

2022-6-10 04:58:41

标准分位数回归QQR包括对标准分位数回归（QR）估计进行分解，使其成为独立时间序列的几个分位数的特定参数。事实上，QR不能恰当地捕捉黄金回报与不确定性之间的全部依赖关系。虽然QR似乎能够估计黄金回报在黄金条件分布的不同点对不确定性的不同反应，但它忽视了不确定性水平也可能对黄金的对冲和避险利益产生重大影响。为了检查QQR方法与标准QR方法的有效性，我们尝试在下面将QR估计值与τ平均QQR参数进行比较。但在开始评估之前，必须指出，QQR将黄金回报的θ分位数回归到不确定性的τ分位数上（双指数，即θ和τ），而QR将黄金回报的θ分位数回归到不确定性的变化上（单指数为θ）。这意味着，通过开展QQR，我们可以更好地了解黄金回报对不确定性的反应，并提供更多信息。现在，为了从QQR模型中构建以θ为索引的参数，通过沿τ平均显示估计的QQR参数。因此，不确定性指数对黄金收益分布的影响用（^1）表示:),(^1)(^11s（9），其中s=48是分位数 98.0,...,04.0,02.0.图6描绘了分位数回归和斜率系数的平均QQR估计的轨迹，该斜率系数衡量了不确定性综合指数对黄金回报的影响。

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