结论近年来，美国政治的特点是高度的党派冲突，这导致两极分化加剧，政策不确定性高。鉴于美国在全球大宗商品市场中的重要性，我们采用分位数因果关系检验的新技术，利用1981年1月至2017年10月的月度数据，检验美国党派冲突指数预测石油和黄金价格回报和波动的能力。主要的实证结果总结如下。首先，有强有力的证据表明，在石油和黄金回报的条件分布尾部，美国党派冲突指数对石油和黄金回报有显著的可预测影响。此外，研究发现，在不同的市场条件下，石油收益和黄金收益对美国党派冲突的反应不同。更具体地说，就石油回报而言，当原油市场处于熊市状态（较低分位数的石油回报）时，党派冲突对石油回报具有很强的预测能力，然而，在看涨状态（较高分位数的石油回报）下，党派冲突对石油回报的影响并不显著。相比之下，对于黄金回报，只有当黄金市场表现高于正常（平均）模式时，即在看涨情景下，党派冲突才起作用。研究发现，对于较低分位数的黄金回报，党派冲突指数对黄金回报的预测能力有限，0.2分位数是一个例外。其次，我们发现，美国党派冲突指数在整个条件分布中，即在石油和黄金市场的各个阶段，显著影响石油和黄金价格的波动性。

最后，使用更多的分位数来表示25个市场状态，并将EPU作为不确定性指标进行稳健性检验，实证结果支持了研究结果。研究结果对投资者和决策者有一定的意义。例如，研究表明，美国党派冲突指数可以影响石油回报条件分布的较低分位数，但不太可能影响石油回报的较高分位数。这表明，当石油市场处于熊市状态时，应更多关注跟踪和监控美国党派冲突风险。然而，对于黄金回报而言，只有当黄金市场处于看涨情景时，党派冲突才对黄金回报产生影响。这表明，当黄金市场处于牛市状态时，黄金投资者应采取更加谨慎的投资策略。石油和黄金的波动性受到美国党派冲突的影响。因此，选择石油和黄金波动率作为监测指标的投资者应该密切关注美国的政治。此外，我们发现原油和黄金这两种战略商品对美国党派冲突的反应存在显著的异质性。因此，对于投资者来说，如果石油和黄金都包括在其资产组合篮子中，面对美国政党之间冲突的影响，他们应该采取不同的风险分散策略。感谢国家自然科学基金（编号71431008、71850012、71790593）、国家社会科学基金（编号。

19AZD014），湖南省科技厅重大专项【2018GK1020号】和南京审计大学应用经济学资助的江苏省高等学校重点学科发展项目【2018】87号。附录A.非线性特征的BDS检验为了促进分位数因果关系检验的使用，我们研究了美国党派冲突指数与石油和黄金价格回报和波动性之间关系的非线性可能性。为此，继Balcilar等人（2017a）之后，我们分别对涉及（相对）美国党派冲突的VAR（8）中石油和黄金价格方程的收益率和波动率的残差进行了BDS检验（Broock等人，1996）。BDS测试是26种非线性最常用的测试之一。通过测试数据系列的增量是否独立且分布相同（i.i.d.），来执行该测试。在i.i.d.增量的零假设下，检验渐近分布为标准正态分布。BDS测试的基础是相关积分的概念。相关积分是对时间模式在数据中重复的频率的度量。表A.1中报告了BDS试验的结果。如表6的面板1所示，对于石油和黄金价格的收益率和波动率序列，i.i.d.残差的无效假设在各维度（m）的1%显著性水平上被强烈拒绝。该观察结果结合了BDS测试的结果。从第2组和第3组中，我们还看到，对于涉及（相对）美国党派冲突的VAR（8）中石油和黄金价格方程的收益和波动率残差，也在1%显著性水平上通过了BDS检验。

它表明，美国党派冲突指数与石油和黄金价格的回报和波动性之间的关系是非线性的，并暗示基于线性框架的格兰杰因果关系检验可能存在误判。换言之，格兰杰非因果关系的线性检验结果不能被视为稳健可靠。表A.1 BDS非线性试验。面板1：每个变量的BDS测试机油回流0.041***0.065***0.084***0.095***0.097***黄金回流0.014***0.030***0.038***0.046***0.050***机油挥发0.185***0.309***0.390***0.440***0.469***黄金挥发0.196***0.331***0.422***0.483***0.522***面板2：BDS测试对于具有党派冲突收益的VAR模型的商品价格变动残差方程-VAR（8）0.022***0.040***0.052***0.060***0.065***黄金收益VAR（8）0.015***0.031***0.040***0.049***0.053***面板3：带有党派冲突的VAR模型商品价格波动方程残差BDS测试石油波动VAR（8）0.035***0.059***0.074***0.079***0.078***黄金波动VAR（8）0.019***0.035***0.048****0.056***0.057***注：***表示1%的重要性数量参数m是嵌入维数。滞后参数根据AIC使用VAR模型进行选择。m表示嵌入尺寸。参考文献Afkhami，M.，Cormack，L.，Ghoddusi，H.，2017年。谷歌搜索最能预测能源价格波动的关键词。能源经济。67, 17–27. Aloui，R.、Gupta，R.、Miller，S.M.，2016年。不确定性和原油回报。能源经济。55,27  92–100. Aye，G.C.，Chang，T.，Gupta，R.，2016年。黄金是通胀对冲工具吗？来自中断马尔可夫切换协整模型的证据。资源。政策48、77–84。Azzimonti，M.，2018年。党派冲突和私人投资。J、 莫奈。经济。93, 114–131.

Balcilar，M.，Bekiros，S.，Gupta，R.，2017a。基于新闻的不确定性指数在预测石油市场中的作用：混合非参数分位数因果关系方法。帝国。经济。53, 879–889. Balcilar，M.、Bonato，M.、Demirer，R.、Gupta，R.、2017b。投资者情绪对黄金市场回报动态的影响：来自分位数非参数因果关系的证据。资源。政策51、77–84。Balcilar，M.，Gupta，R.，Pierdzioch，C.，2016年。不确定性会影响金价吗？分位数检验中非参数因果关系的新证据。资源。政策49、74–80。Baur，D.G.，Dimpfl，T.，2016年。谷歌搜索黄金和采矿业的坏消息。资源。政策50306-311。Baur，D.G.，McDermott，T.K.，2010年。黄金是避风港吗？国际证据。J、 银行。财务部。34, 1886–1898. Bilgin，M.H.，Gozgor，G.，Lau，C.K.M.，Sheng，X.，2018年。不确定性指标对黄金价格的影响。内部版本。财务部。肛门。58, 1–7. Bouri，E.，Jain，A.，Biswal，P.C.，Roubaud，D.，2017a。黄金、石油和印度股市之间的协整和非线性因果关系：来自隐含波动率指数的证据。资源。政策52201–206。Bouri，E.，Roubaud，D.，Jammazi，R.，Assaf，A.，2017b。揭示黄金与中印股市之间的频域因果关系：来自隐含波动率指数的证据。财务部。Res.Lett。23, 23–30. Cai，J.，Cheung，Y.，Wong，M.C.S.，2001年。是什么推动了黄金市场？J、 未来。做记号未来。选项，其他衍生工具。产品21257–278。Chan，J.C.C.，2017年。具有时变参数的均值模型中的随机波动率：在通货膨胀建模中的应用。J、 公共汽车。经济。《统计》35，17–28。Chan，J.C.C.，Eisenstat，E.，2015年。交叉熵法的边缘似然估计。经济学。修订版。34, 256–285. Chan，J.C.C.，Grant，A.L.，2016年。

能源价格动态建模：GARCH与随机波动。能源经济。54, 182–189. Chan，J.C.C.，Jeliazkov，I.，2009年。状态空间模型中的有效仿真和综合似然估计。国际数学杂志。模型数字。Optim公司。1, 101–120. Chen，H.，Liao，H.，Tang，B.-J.，Wei，Y.-M.，2016年。欧佩克政治风险对国际原油价格的影响：基于SVAR模型的实证分析。能源经济。57, 42–49. Chen，P-F.，Lee，C-C.，Zeng，J-H.，2014年。现货和期货油价之间的关系：结构性突破重要吗？能源经济。43, 206–217. 科尔曼，L.，2012年。用基本面指标解释原油价格。能源政策40118–324。Dickey，D.A.，Fuller，W.A.，1979年。单位根自回归时间序列估计量的分布。J、 上午。统计协会第74、427–431号。Diks，C.，Panchenko，V.，2006年。非参数格兰杰因果关系检验的新统计和实用指南。J、 经济。Dyn公司。控件30，1647–1669.28 Dutta，A.，Bouri，E.，Roubaud，D.，2019年。原油和贵金属隐含挥发性之间的非线性关系。资源。政策61473-478。Ewing，B.T.，Malik，F.，2016年。结构性突破下油价和股市之间的波动溢出。全球。财务部。J、 29、12–23。Fan，Y.，Xu，J.-H.，2011年。自2000年以来，是什么推动了油价上涨？结构变化视角。能源经济。33, 1082–1094. Gallo，A.、Mason，P.、Shapiro，S.、Fabritius，M.，2010年。油价上涨的背后是什么？分析石油消费和供应与油价的关系。能源354126–4141。Gil Alana，L.A.，Chang，S.，Balcilar，M.，Aye，G.C.，Gupta，R.，2015年。贵金属价格的持续性：带结构性突破的分数积分方法。资源。

政策44、57–64。Granger，C.W.J.，1969年。通过计量经济学模型和互谱方法研究因果关系。经济学。J、 经济学。Soc。424–438. 古普塔，R.，姆万巴，J.W.M.，沃哈尔，M.E.，2018a。党派冲突在预测美国股票溢价中的作用：非参数方法。财务部。Res.Lett。25, 131–136. Gupta，R.，Pierdzioch，C.，Selmi，R.，Wohar，M.E.，2018b。党派冲突是否预示着美国股市（已实现）波动性的降低？来自分位数对分位数回归模型的证据。北Am。J、 经济。财务部。43, 87–96. 汉密尔顿，J.D.，2009年。2007-08年石油危机的原因和后果。国家经济研究局。Hammoudeh，S.，Yuan，Y.，2008年。石油和利率冲击下的金属波动。能源经济。30, 606–620. Han，L.，Lv，Q.，Yin，L.，2017年。投资者的注意力能预测油价吗？能源经济。66, 547–558. 希姆斯特拉，C.，琼斯，J.D.，1994年。股票价格-交易量关系中的线性和非线性格兰杰因果关系检验。J、 财务491639–1664。Jeong，K.，H"ardle，W.K.，Song，S.，2012年。分位数因果关系的一致非参数检验。经济学。理论28861–887。Ji，Q.，Bouri，E.，Roubaud，D.，2018年。美国股票、战略商品和金砖四国股票之间隐含波动率传递的动态网络。内部版本。财务部。肛门。57, 1–12. Jiang，Y.，Zhou，Z.，Liu，C.，2019年。经济政策的不确定性对碳排放有影响吗？来自美国部门层面数据的证据。包围Sci。Pollut公司。第1–15号决议。Jones，A.T.，Sackley，W.H.，2016年。对黄金定价模型的不确定性建议：经济政策不确定性对黄金价格的影响。J、 经济。财务部。40, 367–379. Kang，W.，Ratti，R.A.，2013a。石油冲击、政策不确定性和股市回报。J、 内部财务。做记号

机构资金26305–318。Kang，W.，Ratti，R.A.，2013b。结构性油价冲击和政策不确定性。经济。模型35, 314–319. Kilian，L.，2009年。并非所有的油价冲击都是一样的：原油市场的需求和供应冲击脱钩。是经济。修订版。99, 1053–1069. Kim，G.，Vera，D.，2018年。真实油价的近期驱动因素：重新审视和扩展Kilian（2009）的研究结果。能源经济。Kirkulak Uludag，B.，Lkhamazhapov，Z.，2014年。黄金回报和波动的长期记忆和结构性突破：来自土耳其的证据。应用程序。经济。463777–3787.29 Li，S.，Lucey，B.M.，2017年。重新评估贵金属作为避风港的作用——你的避风港是什么颜色，为什么？J、 Commod公司。做记号7, 1–14. Perron，P.，1997年。打破宏观经济变量趋势函数的进一步证据。J、 经济学。80, 355–385. Phillips，P.C.B.，Perron，P.，1988年。测试时间序列回归中的单位根。Biometrika 75335–346。Qadan，M.，Nama，H.，2018年。投资者情绪和油价。能源经济。69, 42–58. Raza，S.A.，Shah，N.，Shahbaz，M.，2018年。经济政策的不确定性会影响黄金价格吗？来自分位数方法中非参数因果关系的证据。资源。政策57、61–68。Rehman，M.U.，Bouri，E.，Eraslan，V.，Kumar，S.，2019年。能源和非能源商品：商品市场投资组合多样化的非对称方法。资源。政策63101456。https://doi.org/10.1016/j.resourpol.2019.101456Shahzad，S.J.H.，Raza，N.，Balcilar，M.，Ali，S.，Shahbaz，M.，2017年。经济政策的不确定性和投资者情绪能否预测大宗商品的回报和波动？资源。政策53、208–218。Troster，V.，2018年。分位数格兰杰因果关系检验。经济学。修订版。37, 850–866. Troster，V.，Bouri，E.，Roubaud，D.，2019年。

具有隐含波动率的安全航班分位数回归分析。资源。政策62482–495。Tully，E.，Lucey，B.M.，2007年。对黄金市场的权力加西亚审查。Res.Int.总线。财务部。21, 316–325. Uddin，G.S.，Bekiros，S.，Ahmed，A.，2018年。地缘政治不确定性与原油市场之间的联系：基于熵的小波分析。物理。统计机械师。其应用程序。495, 30–39. Wang，Q.，Sun，X.，2017年。原油价格：需求、供给、经济活动、经济政策不确定性和战争——从结构方程模型（SEM）的角度。能源133483–490。Yao，T.，Zhang，Y.-J.，Ma，C.-Q.，2017年。投资者的注意力如何影响国际原油价格？应用程序。能源205336–344。Zhou，Z.，Jiang，Y.，Liu，Y.，Lin，L.，和Liu，Q.，2019年。国际石油波动性对股票回报是否具有方向性可预测性？金砖四国基于交叉定量分析的证据。经济建模，80352-382。