作 者 | 小K侃有色
来 源| 小K侃有色
主要结论
1、我们发现，排除不存在长期关系的瑞士、墨西哥、荷兰，在长期关系中普遍存在黄金储备变化与通货膨胀变化、标普波动率变化正相关的规律。这个规律可以解释为，在通胀增加或者投OrCLpqQYAm资环境波动性增加的情况下，各国倾向于提高黄金储备作为避险资产。
2、我们还发现对于荷兰和西班牙，期货的收盘价格表现出了与黄金储备的负相关性；
3、中国是唯一一个黄金储备变化对 本币/美元 汇率变化敏感原由网的国家，并且系数达到了0.4以上；
4、日元作为理论上可用于替代黄金的避险资产，在检验中只有中国和菲律宾的黄金储备变化与日元关系显著；
5、全球不OrCLpqQYAm确定性指数变量只对荷兰和西班牙有影响，分别是负相关和正相关，但是他们呈现出的系数很小，可见这个指标对黄金储备影响不大。
6、从目前的结果来看，央行择时确实存在着合理的内在逻辑，存在长期稳定的均衡关系，这也为各位长线投资者跟随式配置黄金提供了坚实的基础。
现象
曾经看过一个说法：谁才是黄金市场的择时高手？中国央行智慧令人叹服。说是中国央行每一次增持都是黄金的低位，增持后黄金价格在短期，甚至中长期，都出现了显著的升幅。扒一下数据确实如此。
从结果上来看，央行择时神准，收益可观。那么我们应该如何评定央行的这种择时操作呢？是偶然选择还是存在必然逻辑？我们先来看一看官方怎么说：
中国人民银行行长易纲曾表示，央行增储黄金是从战略角度对国际储备的再平衡，是央行进行多元储备战略的具体体现。“央行增储黄金的时机选择得正确不正确、好不好，可以由历史去评价。”
世界黄金协会中国区董事总经理王立新说，“各国央行正在持续性增储黄金，是2019年黄金行业的突出现象。在这一年里，各国央行更加关注本国储备资产的多样化，不再侧重储备美元。这反映了一个国际大趋势。”“央行进行黄金储备，最大的目的是用于防范特殊的金融风险。”
从上述两位官方人士的采访中可以归结为：多元化储备、防范金融风险。择时不择时这一点没有看出端倪。
既然官方没有给出明确的答复，接下来的问题就是我们应该如何看待央行的这种择时行为？搞清楚这些，可能为我们配置黄金提供一些有意的指引。
我们的思路很简单，就是从黄金协会上找出近20年来央行黄金储备有变化的国家数据来，根据我们的理解，设置可能的解释因子：comex黄金期货收盘价、美国10年期国债收益率、标准普尔波动率、全球经济政策不确定性指数、日元兑美元汇率、美元指数、各国CPI、各国兑美元汇率。运用恰当的模型去度量这种变化背后的逻辑。初步框定的模型有GVAR模型、ARDL模型，最后发现GVAL模型最后能够划归到ARDL模型中去，因此本文采www.58yuanyou.com用ARDL模型验证。
实证
一、数据选取
本次检验使用comex黄金期货收盘价、美国10年期国债收益率、标准普尔波动率、全球经济政策不确定性指数、日元兑美元汇率、美元指数、各国CPI、各国兑美元汇率作解释变量，使用各国黄金储备量作为被解释变量。选取这些变量在2000年第一季度到2020年第二季度的季度数据作为被检测样本。其中由于菲律宾的CPI增长率数据不全，因此对于菲律宾的检验只截取2007年第一季度到2020年第二季度的数据。
二、平整性检验
检查全部变量是否平整。结果如下，0为平整，1为一阶差分后平整，2为二阶差分后平整。
考虑到各国家变量为不同阶单整，我们计算只有一阶单整变量和平整变量的国家，因此删除俄罗斯与法国，使用ARDL模型估计保留下的国家。
三、ARDL模型介绍
在涉及时间序列数据的回归分析中，如果回归模型不仅含有解释变量的当前项，还含有它们的滞后项，则称之为分布滞后模型；如果模型的解释变量中包含被解释变量的一个或者多个滞后项，则称之为自回归模型。ARDL自回归分布滞后模型既包括滞后项，也包括其他外生解释变量。
模型优点：不论变量是否同阶单整，均可以使用ARDL模型来计算变量间的长期关系。它的一般形式表现为：
其中，Yt-i为差分后的被解释变量的i期滞后变量，Xt-j为差分后的解释变量j期的滞后变量。和分别是滞后一期的被解释变量和滞后一期的解释变量的系数。另外，可以存在多个解释变量，也就是有X1、X2、X3….
建立ARDL模型主要分为两步：
1. 先建立与ARDL模型相对应的ECM模型(误差修正模型)，以该模型的F统计量判断变量间是否存在协整关系。
2. 根据协整存在与否决定最终的模型。
具体操作是：
假设我们有3个变量Y 和X1 和 X2。
第一步：确定变量是否均为I（0）和I（1）。
第二步：使用变量的原始形态（Levels）计算适合的滞后阶数，通过AIC或者SC值来确定最优的滞后阶数。
第三步：建立一个ECM模型。
第四步：做一个Bound test 边界检验，从而得知变量间是否存在协整关系。如果存在协整，他们的wald-test（F统计量的那个）呈现出来的每一个自变量的系数应当都是显著不为0的。显著性检验的评判值应该使用Pesaran，shin and smith（2001）判定值进行判定。
有效的下边界假设的是所有变量是I（0）的；上边界的假设是所有变量是I（1）的。如果F统计量落到下边界以下，那么变量间不存在协整；落到上下边界之间则无法判断是否存在协整；落到上边界以上则说明说明存在协整。
第五步：根据协整情况确定最后的模型
如果存在协整：
如果不存在协整，则使用第三步得到的式子：
四、检测结果
瑞士
不存在长期均衡，瑞士黄金储备变化与滞后项一期黄金储备变化负相关。
中国
中国黄金储备变化与标普波动率、长期债券实际收益率、人民币对美元、日元对美元汇率正相关，与全球不确定性指数负相关。
西班牙
西班牙黄金储备量与西班牙物价指数变化、标普波动率正相关。与长期债券实际收益率、全球不确定性指数变化负相关。
印度
印度黄金储备变化与印度物价水平变化、标普波动率正相关。
荷兰
不存在长期均衡，荷兰黄金储备变化与滞后项一二期黄金储备负相关，与滞后项一、三期汇率正相关，与滞后项一二三期期货收盘价负相关，与滞后项第三期的物价水平变化负相关，与滞后第二期的非确定性指数负相关（系数很小）。
菲律宾
菲律宾黄金储备变化与日元汇率变化正相关、与标普波动率正相关。如果将置信区间放宽到90%，与汇率和通货膨胀指数也存在正相关，并且系数较大。
墨西哥
没有发现墨西哥黄金储备变化与各自变量之间的长期均衡关系，原因可能是墨西哥有许多年份黄金储备量没有变化，因此无法有效拟合。
五、结论
我们发现，排除不存在长期关系的瑞士、墨西哥、荷兰，在长期关系中普遍存在黄金储备变化与通货膨胀变化、标普波动率变化正相关的规律。这个规律可以解释为，在通胀增加或者投资环境波动性增加的情况下，各国倾向于提高黄金储备作为避险资产。
另外，我们还发现对于荷兰和西班牙，期货的收盘价格表现出了与黄金储备的负相关性；中国是唯一一个黄金储备变化对 本币/美元 汇率变化敏感的国家，并且系数达到了0.4以上；日元作为理论上可用于替代黄金的避险资产，在检验中只有中国和菲律宾的黄金储备变化与日元关系显著；
变量全球不确定性指数只对荷兰和西班牙有影响，分别是负相关和正相关，但是他们呈现出的系数很小，可见这个指标对黄金储备www.58yuanyou.com影响不大。
六、参考文献
想了解更多模型背后的处理技巧，可以参考一下两个文献；
Dr. Taoufik BOURAOUI Empirical Methods in Finance 2
L. Vanessa Smith & Alessandro Galesi GVAR Toolbox 2.0 User Guide
套利胡子
国内第一代期货人，20余年套利一线指导经验！
新年学套利！
助你“先人一步” 布局年前机会，把握年后行情！
分享
