黄金价格的实证分析 - 图文

黄金价格影响因素的实证分析

摘 要

自从布雷顿森林体系崩溃以来，黄金一直处于

35美元每盎司的稳定汇

价已经很少受到美国等国家的政府控制，黄金的投机市场也就渐渐形成。由于黄金属性特殊和历史地位重要，并且政治、经济等方面的因素都会影响到黄金的价格，所以黄金的价格走势一直难以预测。本文根据2000年至2009年的最新月度数据进行实证分析，选取黄金价格为因变量；石油价格指数的自然对数、美国的CPI指数的自然对数、美元汇率指数、美国的道琼斯工业指数的收盘价作为自变量，对影响黄金价格的因素进行实证分析。

关键词：黄金价格变动,决定因素,多元回归，时间序列检验

Research for The influence of Gold Price

Abstract

Since the system of the Bretton Wood broke down, the USA lost the control to the stable exchange rate which cost 35 dollar per ounce. So the speculative market of the gold appeared. Because the gold is very important in history and many factors can affect the price of the gold, the price of the gold can not be forecasted easily. This article using the data during the period of year 2000 to 2009 and analysis the factors cause the changes of the gold price, making the gold price as the dependent variable and CPI, OIL, STOCK, USD as the independent variable.

Key Words : gold price,determinant,multiple regression,time series tests

15

目 录

一、序言·················································1 （一）黄金的用途·········································1 （二）黄金的历史价格·····································1 （三）世界上的黄金交易市场·······························2 二、文献回顾·············································2 三、数据说明及模型建立···································5 （一）样本选择···········································5 （二）指标定义···········································5 （三）模型建立···········································6 四、实证分析·············································7 （一）平稳性检验·········································7 （二）协整检验···········································8 （三）估计的结果·········································8 （四）多重共线性检验·····································10 五、结论·················································11

（一）表达式的阐述与系数经济意义的解释················11 （二）对策与建议······································11 （三）局限性··········································12 附录··················································13 资料来源和参考文献····································18

15

一 序言

在世界经济的各大指标中，黄金价格是一个重要的指标，它对整个经济环境的影响非常巨大。自从1973年布雷德森林体系崩溃以来，黄金价格不和美元挂钩，实行浮动的汇价。同时，黄金价格的影响因素又十分复杂，很多经济指标的变动都会引起黄金价格的变化，其价格变化也难以预测。而黄金价格被众多学者称作“经济环境市场的警报器”，对黄金价格的研究及预测能够对未来的经济宏观走势和发展水平有个良好的掌控。所以研究黄金价格的影响因素不但可以对黄金价格的今后走势有个准确的预测，而且可以从中看出经济形势的良好与否。

1.黄金的用途

首先，黄金是一种货币商品，被大多数国家政府作为储备金而购买储备，用来维持经济稳定。目前作为政府储备的黄金达到已开采黄金的六成，即使是称黄金“黄金无用”的美国在他的国家储备中，也拥有着近3成的世界黄金官方储备。其次，黄金是个人金融投资的保值工具之一。在一个经济发展并不稳定的时期，一国的货币可能会因各种政治或者经济问题而贬值，但是黄金这种准货币并不会因此大幅度地改变汇价。在金融危机中的投资者对黄金这种保值工具情有独钟。再次，黄金在生活中是一种奢侈品，主要用于珠宝首饰，其皇家气质特点一直是人们追崇的目标。最后，黄金在航天、医学领域也有着广泛的运用。据统计资料显示，全球每年有近85吨的黄金用于医学、航天等领域。

2.黄金的历史价格

近三十年来，金价呈现出先大幅上升后比较稳定的态势。在1973年布雷顿森林体系崩溃以前，黄金价格一直保持着35美元/盎司的稳定汇价，对世界经济能够稳定发展起着巨大的作用。但是伴随着布雷顿森林体系的瓦解以及1978年4月牙买加协议的生效，国际社会法律性得认可了黄金停止兑换、黄金汇率自由浮动的汇率行为，黄金的投机市场也由此形成，世界的黄金价格也产生了巨大的变动。1975年至1982年间，由于中东产油国两次大幅度抬高油价，石油危机直接导致了全球范围内的成本推动型的通货膨胀，使得国际社会对黄金的需求量大大增加，黄金价格由此疯涨，最高达到了855美元每盎司。1980年之后，国际社会的经济局势向稳定增长的方向发展，全球范围内的经济较为平稳，黄金价格在很长的时段内保持平稳的走势。2001年之后，由于伊拉克战争、伊朗核问题等等国际因素的影响开始逐渐走高。

下图为2001年之后黄金价格的走势图，在特点时间段发生的国际问题成为了黄金价格上升的原因。伊拉克战争已经伊朗核危机爆发以来，黄金价格显著增长。

15

3. 世界上的黄金交易市场

目前，世界上有七大黄金交易中心，他们分别是：苏黎世黄金交易市场、伦敦黄金交易市场、纽约黄金交易市场、东京黄金交易市场、新加坡黄金交易市场、香港黄金交易市场和悉尼黄金交易市场。其中苏黎世黄金交易所一直保持着世界黄金交易的中心地位。在国内，上海黄金交易所也在逐步发展，但无论在交易量还是在交易水平上，上海黄金交易所离国际性黄金交易中心还是有非常大的距离。

二 文献回顾

对于有关黄金价格预测分析和影响因素的文章，国内有很多有特色有水平的学术论文，从多个角度分析了影响黄金价格的因素和对黄金价格的预测。如蒋立群的《黄金价格波动的决定因素探讨》，作者从理论的角度阐述了黄金价格的宏观影响因素，通过对各个时期内宏观经济形势、汇率水平、能源价格与黄金价格走势图趋势的比较，得出结论。白岩的《影响黄金价格因素及应对策略》一文中也是通过国际石油价格和国际政治事件对黄金价格的影响水平的理论分析，总结出了对于黄金价格变动的影响因素和应对变动的策略。在实证分析上，李家林的《长期黄金价格影响因素实证分析》以黄金价格作为因变量，以美国通货膨胀率、美元指数、美国道琼斯工业指数、美国联邦基金利率和石油价格为自变量，建立回归模型，通过对1990年至2008年间的数据分析，得出了黄金价格在中长期主要由美元汇率的指数、美国的通货膨胀率已经股票价格指数的影响。方超逸《国际黄金价格走势分析与预测方法》运用ARMA模型拟合时间序列，对未来的黄金走势进行了预测分析。另外，美国经济学教授Phelps在2007年2篇报告中认为，黄金价格是CPI和债券市场的先行指标，而且黄金价格的走势可以充当名义利率和通货膨胀水平的预报器。黄金价格与CPI水平的同方向变动也说明了黄金是预防通货膨胀的一种良好的保值工具。

综合上面所说到的黄金价格影响因素的理论和实证分析可以得出一些初步的结论：黄金作为一种货币商品，其价格的影响因素是非常复杂的。一方面从其商品属性来看，黄金是一种很好的减少通胀损失的保值工具；另一方面就其货币属性而言，股票价格、汇率等方面的经济水平的变动也会对其价格产生影响。接下来便在之前的研究之上，建立模型对影响黄金价格的因素进行实证分析。

15

三、数据说明及模型建立

（一）样本选择

黄金不同于普通的商品之处在于它具有一定的货币职能，因此影响黄金价格走势的因素要比普通商品多。1973年布雷顿森林体系崩溃之后，黄金价格不再与美元挂钩，所以各变量本应该采用1973年至2009年的数据。但是由于影响黄金价格的一个重要指标石油价格只能收集到1987年之后的数据。同时，从2000年开始，黄金价格结束了20年的平稳期，受石油价格以及国际经济政治形势的影响更显著，所以选取2000年至2009年的各因素的月度数据来进行分析。

（二）指标定义

1..被解释变量说明

黄金价格：近三十年来，黄金价格呈现出先大幅上扬后平稳爬行的状态，具有以下几个典型的时段特征。20世纪70年代至20世纪80年代，由于中东产油国分别两次提高油价，黄金的需求量大增，价格也暴涨至最高点。进入20世纪80年代之后，全球经济稳定，黄金价格也较为稳定。20世纪80年代之后，金价结束了20年之久的平稳期，开始逐步上扬。在现在的过国际黄金市场上，黄金交易方式分为现货黄金和期货黄金分别为定价交易和报价交易。由于期货黄金的价格中有保值或者投机的成分，所以本文的黄金价格选取黄金交易方式中的现货黄金的黄金价格作为数据来分析。

2.解释变量说明

美国的通货膨胀率：反映通货膨胀率的最主要的指标是CPI即居民消费指数。是对一个固定的消费品价格的衡量，主要反映消费者支付商品和劳务的价格变化情况以百分比变化为表达形式。在美国构成该指标的主要商品共分八大类，其中包括食品酒和饮品；住宅；衣着；教育和通讯；交通；医药健康；娱乐；其他商品及服务。

美元指数：美元指数显示的是美元的综合值，能够综合反映出美元在外汇市场上汇率的变动情况。通过计算美元和选定货币之间的综合变化率，分析美元的强弱程度，从而间接反映出美元进出口的变化和外汇的竞争力。作为当今货币体系的中心货币，美元和黄金同为国际间最重要的储蓄资产，因此美元指数的强弱与黄金价格的变化关系密切。

美国道琼斯指数：道琼斯指数是一种算术平均股价指数。本文所分析的道琼斯指数是指道琼斯指数四组中的第一组道琼斯工业平均指数。道琼斯股票价格是目前世界上最权威、最系统同时影响力也最大的股票价格指数。所以该指数是观察经济市场和反映美国经济市场的一个重要指标。

石油价格：在黄金价格影响因素的研究文献中，石油价格是一个非常主要的因素。石油价格采取以远期石油价格为标的物的期货价格作为数据进行分析。1973年发生的石油危机，在很大的程度上冲击了世界的石油市场，石油价格也因此产生了剧烈的变化，这就是导致石油期货出现的直接原因。这一全新的石油交易方式，极大地刺激了成交量的增长。而石油成交量以及价格的变化对黄金的价格也有非常大的影响，前文所提及的石油危机就是一个很好的佐证。

3.数据来源

本文所采取的五个数据时间跨度为2000年1月至2009年12月，其中黄金价格取自伦敦市场现货黄金的日收盘月均价。美元指数的数据来源于Wind资讯金融终端。美国CPI指数和

15

道琼斯指数来源于世界银行的金融数据库，选取的是月均价。石油价格的数据来源于文献《石油历史价位数据》。

（三）模型建立

多元线性回归模型：

在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。 多元线性回归模型的一般形式为

Yi=β0+β1X1i+β2X2i+?+βkXki+μi i=1,2,?,n 其中 k为解释变量的数目，βj（j=1,2,?,k)称为回归系数。上式也被称为总体回归函数的随机表达式。它的非随机表达式为 E(Y∣X1i,X2i,?Xki,)=β0+β1X1i+β2X2i+?+βkXki

βj也被称为偏回归系数（partial regression coefficient)

一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元线性回归。

设y为因变X1,X2?Xk为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为：

Y=b0+b1x1+?+bkxk+e 其中，b0为常数项X1,X2?Xk为回归系数，b1为X1,X2?Xk固定时，x1每增加一个单位对y的效应，即x1对y的偏回归系数；同理b2为X1,X2?Xk固定时，

x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同

一个因变量y呈线相关时，可用二元线性回归模型描述为： Y=b0+b1x1+?+bkxk+e

其中，b0为常数项，X1,X2?Xk为回归系数，b1为X1,X2?Xk固定时，x2每增加一个单位对y的效应，即x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b0 + b1x1 + b2x2 + e

以黄金价格(GOLD)作为因变量，美国的通货膨胀率(CPI)、美元指数(USD)、美国道琼斯指数(STOCK)、石油价格(OIL)作为自变量建立回归模型：

GOLD=B0+B1 USD+B2 CPI+B3 STOCK+B4 OIL+U1

其中，由已有理论推测黄金价格和美国通货膨胀率成正相关。因为，国际市场认为黄金价格是通货膨胀的一个主要指标，当CPI即消费者价格指数增长时，黄金价格也会随之上涨。因此，在高通货膨胀时期和通货膨胀的预期较高的的时期，黄金会成为众多投资者追捧。黄金价格和美元指数呈负相关，因为国际黄金市场以美元为标价，黄金价格和美元走势呈反方向的关系。美元上涨，黄金价格下跌；美元疲软，黄金上涨。道琼斯指数与黄金价格为负的相关性，由于黄金作为一种特殊的投资商品，和股票这种投资商品之间会有替代效应。石油

15

的价格上涨通常会引起工业需求型的通货膨胀，投资者对于黄金这个保值资产的需求大增，进而引起黄金价格的增加。

四、实证分析

（一）平稳性检验

因为本文所选取的数据均为时间序列分析，所以首先对数据进行平稳性分析检验，以确保最小二乘法回归的正确性。运用EVIEWS软件对数据进行平稳性检验。D表示一阶差分后的算式。平稳性检验方法的检验结果如下表所示：

变量 GOLD DGOLD USD DUSD CPI ADF值 1％临界 5％临界10％临界 结论 值 值 值 0.952989 -3.4605 -2.8741 -2.5734 不平稳 -7.10752 -1.59066 -7.20824 -3.07726 -3.4606 -3.4606 -3.4607 -4.0016 -4.0017 -3.4605 -3.4607 -3.4605 -3.4606 -2.8742 -2.8743 -2.8744 -3.4307 -3.4308 -2.8743 -2.8744 -2.8743 -2.8744 -2.5735 平稳 -2.5735 不平稳 -2.5736 平稳 -3.1387 不平稳 -3.1388 平稳 -2.5735 不平稳 -2.5736 平稳 -2.5735 不平稳 -2.5735 平稳 DCPI -7.36452 STOCK -1.79328 DSTOCK -6.17869 OIL DOIL

-1.36102 -7.48647 下图为黄金价格的走势图

12001000800600400200000102030405GOLD06070809 下图为黄金价格一阶差分后的线性图

15

150100500-50-100-150000102030405GOLD206070809 从黄金价格走势图来看，该时间序列并非平稳的时间序列，但是经过一阶差分后，线形图较为平稳，所以黄金价格可以看作一阶单整序列。

同时，也可以从平稳性检验方法的检验结果看出黄金价格、美元指数、消费者信心指数、道琼斯指数和石油价格均存在一个单位根，所以，这几个时间序列都是不平稳的序列。但是经过一阶差分后，在1% 5%和10%的显著水平下，结果都是平稳的。所以黄金价格、美元指数、消费者信心指数、道琼斯指数和石油价格均是一阶单整序列。

（二）协整检验

在进行时间系列分析时，传统上要求所用的时间系列必须是平稳的，即没有随机趋势或确定趋势，否则会产生“伪回归”问题。但是，在现实经济中的时间序列通常是非平稳的，但是可以对它进行差分把它变平稳，但这样会让我们失去总量的长期信息，而这些信息对分析问题来说又是必要的，所以用协整来解决此问题。

之前EVIEWS得出一个残差序列，对这个序列列进行残差分析，如果这个序列是平稳的，那么可以说黄金的价格和这四个因变量是协整的，也就是说黄金价格与美元指数、消费者信心指数、道琼斯指数和石油价格存在相关性。

EVEWS软件得出结果见表4-1及4-2 经过整理得出以下表：

变量 RESID 检验形式 ADF值 1％临界值 5％临界值 10％临界值 结论 -11.39854 -3.486551 -2.886074 -2.579931 平稳 （c．t．0)

从上述分析中可以看出该残差是平稳的，即黄金价格与各自变量是协整的，可以得出结论黄金价格与美元指数、消费者信心指数、道琼斯指数和石油价格存在相关性。

（三）估计的结果

经过ADF检验之后，EVIEWS对模型的分析结果如表4-3所示 根据改图便可以得出初步的回归方程为：

GOLD=-2351.045+1.160975USD+25.02064CPI-0.015881STOCK+1.283224 t: (-7.120121) (1.044816) (11.46990) (-2.555393) (1.853730) OIL

15

R=0.905028 F=273.9709 D-W=0.260995

从计量结果来看，美元指数USD的P值为0.2983，和黄金价格的相关性不显著。而CPI、STOCK和OIL三个因素和黄金价格的相关性都很显著。因此剔除美元指数，重新建立模型如下：

GOLD=B0+B1 CPI+B2 STOCK+B3 OIL+U1

用EVIEWS分析得出结果如表4-4所示 根据表4-4，我们可以得出方程如下：

GOLD=-2080.199+23.71186CPI-0.016657STOCK+1.194181OIL 2

R=0.904126 F=364.6425 D-W=0.240947

消费者价格指数、道琼斯指数以及石油价格的P值分别为0，0.0080和0.0849

虽然此处石油价格的P值为0.0849，高于0.05，说明了石油价格对黄金价格的相关性不显著。但是从以往的文献资料以及理论分析来看，石油价格一直是影响黄金价格的一个重要指标。原因之前有过谈及：一旦石油的价格上涨，工业的生产成本就会上涨，导致一定经济规模内的通货膨胀。而作为一个良好的保值避免通胀风险资产，黄金受大多数投资者们的追捧，其需求量也就会大增，从而导致黄金的价格上涨。而在该模型中，石油价格和黄金价格的相关性不显著，这与之前的理论分析相矛盾。产生矛盾的原因可能是理论分析的石油价格与黄金价格的相关性是基于平稳时期的数据，而本文说选取的数据时间跨度有近十年之久，其中石油价格有大幅度的波动。所以从中长期来看，石油价格大幅度波动期可能会对该模型的回归准确性造成影响，引发石油价格和黄金价格的相关性并不显著。

下图为石油价格走势图

OIL1601401201008060402000001020304050607082

从2000年至2009年石油价格来看，石油价格在较长时间上保持缓慢增长，在2008年前后出现剧烈的波动。故推测在石油在价格波动期与黄金价格的相关性并不充分体现，而在石油价格平稳增长的时期，黄金价格与石油价格的相关性较为显著。为了证实这个推测，我选取稳定时期的数据进行回归分析。选取的时间跨度为2000年至2007年石油价格稳定增长的时期。

EVIEWS软件的分析结果如表4-5所示，

2

得出R=0.944322 ，同时 ，石油价格的P值为0.0033，可见在石油价格平稳的时期，黄金价格和石油价格的显著性很高。

然后，对2008年至2009年石油价格进行平稳性分析得出结果如下： 石油价格的平稳性

15

t-Statistic -2.246207 -3.808546 -3.020686 -2.650413

t-Statistic

-2.600592 -3.769597 -3.004861 -2.642242

Prob.* 0.1975

Prob.* 0.1079

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

石油价格一阶差分后的平稳性

Augmented Dickey-Fuller test statistic Test critical values:

1% level 5% level 10% level

由上述分析可知，石油价格在2008年至2009年之间的时间序列不稳定，所以可能对最小二乘法的回归分析正确性造成误差，造成了石油价格在理论上和实证中对黄金价格影响力的矛盾。为了得到更好的回归模型系数，剔除2008年至2009年之间不稳定的时间序列，选取2000年至2007年之间的数据进行回归分析所得到模型方程为：

GOLD=-1360.686+1.781659 OIL+0.018002 STOCK+13.61367CPI

t: (-9.268695) (3.016914) (4.401682) (9.422474) 2

R=0.944322 F=520.1147 D-W=0.305138 2

R较之前有很大的提高，石油价格、道琼斯指数以及通货膨胀率和黄金价格的相关性非常显著。但是D-W值过小，表明了该模型有非常严重的自相关。

从模型中可以看书道琼斯指数的系数为正，而这和前文所提及的理论中，两种不同的投资资产之间的替代效益相所得出的系数为负相互矛盾，推测该矛盾的原因为模型自身的严重相关性。

为了消除序列的自相关性，在模型等号的右边加上GOLD（-1），EVIEWS的分析结果如表4-6所示：

2

根据结果表我们可以看出R和F值显著提高 D-W=2.015961 所以说明该模型已经不存在自相关。因此可以得出模型：

GOLD=-71.18623+0.712546CPI+0.835243OIL-0.000785STOCK+0.886716GOLD(-1)

（四）多重共线性检验

运用EVIEWS软件对通货膨胀率、道琼斯指数、石油价格进行多重共线性检验，从下表以及各变量的VIF值可以看出这三个自变量之间，任意两个的共线性性均不大，所以可以得出结论：该模型不存在明显的多重共线性。

CPI OIL 15

STOCK

CPI OIL STOCK

1.00000 -0.30999 0.02684

-0.30999 1.00000 0.31683

0.02684 0.31683 1.00000

五、结论

（一）表达式的阐述与系数经济意义的解释

根据估计结果，得到的回归模型表达式是：

GOLD=-71.18623+0.712546CPI+0.835243OIL-0.000785STOCK+0.886716GOLD(-1) GOLD：黄金价格

CPI：美国通货膨胀水平 OIL：石油价格

STOCK：道琼斯指数

可以看出黄金价格与CPI指数同方向，这也与文献中的理论分析想吻合，即在高通胀的经济形势下，投资者买入黄金，造成金价的上涨。石油价格对黄金价格的影响也较为显著，也体现出了石油价格对工业成本的影响，间接影响到通胀率水平。对于道琼斯指数，虽然符号为负，与投资组合替代效应的理论依据想符合，但是该指数相对于通胀率和石油价格对黄金价格的影响较小，原因可能由于道琼斯指数并不能代表世界范围内的股票综合价格水平。如果选取世界各国的一个综合股票指数，可能会更好地反映出股票指数对黄金价格的影响。

（二）对策与建议

影响黄金价格因素是多方面的，这些因素通过自身间接或直接地对黄金价格产生影响。黄金价格的上涨，在某些程度上也意味着世界经济形势的恶化或者投资市场的萎靡不振。 第一种情况就是石油危机的发生。一旦欧佩克产油国对油价进行提升，各工业国家的生产成本就会随着油价的提高而增加，也就会造成成本推动型的通货膨胀，各国的货币开始贬值。为了保值，人们可以购买黄金来作为自己避险的方式，所以黄金的需求量就会增加，黄金的价格也势必会上涨。解决成本上升的方法不仅仅在于国际社会与产油国之间的协调，而且需要一国的政府有着良好的资产储备包括黄金储备和石油储备等，并且能够在资产的配置和组合上达到最优化来抵抗由于原油输出价格上涨所带来的严峻的经济形势。

第二种情况是由于世界范围内的股票、期货等投资市场的不景气，本文所分析到的影响黄金价格之一的指标道琼斯指数就能很好得反映出这一点。当股票、期货等投资环境恶劣，投资者必然股票市场失去信心，更不可能会将大量的货币资金投入该市场，与其采用股票作为自己的投资选择，不如够买黄金得保值避险这种特殊的货币商品，以求得更小的风险。反之，当国际经济形势发展的良好，各国都能以低通胀高发展景气运行自己的经济市场，则股票等投资领域充满着很多良好的投资机会，进入黄金市场的资金总量就会下降，需求量的下降会导致黄金价格的下降。所以对于一般投资者而言，通过对黄金价格的分析和预测，能够对国际经济形势和大环境有一个总体的把握，在处理一些经济问题上也能够有所借鉴。而对于政府来说，对黄金价格的走势进行分析更是非常有必要的，作为经济形势的警报器，黄金价格更是值得政府经济部门的关注。

15

作为一种特殊的货币商品，黄金是一种非常好的投资产品，根据他的历史总趋势来看，近30年来一直保持着增长的状态。所以，，政府在选择资产储备时，把黄金作为一项良性资产储备，增加黄金的储备量，对于面对金融危机和经济问题都有非常大的帮助。在政府努力建设股票市场的同时，也应该主要对黄金市场的关注和建设，同属于投资资产，黄金对于股票而言并没有劣势。正是由于黄金对于经济市场的警报作用，使得对黄金价格的研究变得十分重要，规范现在的黄金市场是很有必要的。

（三）局限性

本文及所用模型也有着一定的局限性，要求我们在使用的过程中要加以注意甚至是采取一些有效的措施：

（1）在黄金价影响因素的研究中，模型的拟合度为98%，但是其中还是很多其他影响因素，本文所选取的是根据文献中的主要指标来收集数据进行分析。并且包括美元指数和道琼斯指数都选取的都是美国的经济指标。虽然美元和美国股票市场是国际货币以及股票市场的最主要参考，但是并不能完全代表世界性的经济指标，所以在这方面对该模型的系数有一定的误差。

（2）面对石油价格变动情况较大时，该模型的石油价格与黄金价格的相关性不显著，由于石油价格波幅较大，甚至引发的石油危机对于世界经济影响巨大，其中的模型拟合度会降低。同时，石油危机所带来的冲击对美元指数、股票价格有很大的影响，造成模型有严重的自相关。

（3）本文所给出的模型只是对黄金价格的影响因素做出了分析，并没有对黄金价格今后的走势进行预测。而黄金价格是一个反应经济形势的重要警报器，如果能对黄金价格的趋势进行合理的预测和分析，那么对于把握宏观经济的发展以及优化投资资产组后都有很大的帮助。

15

附录

附表1： 日期 Jan-2000 Feb-2000 Mar-2000 Apr-2000 May-2000 Jun-2000 Jul-2000 Aug-2000 Sep-2000 Oct-2000 Nov-2000 Dec-2000 Jan-2001 Feb-2001 Mar-2001 Apr-2001 May-2001 Jun-2001 Jul-2001 Aug-2001 Sep-2001 Oct-2001 Nov-2001 Dec-2001 Jan-2002 Feb-2002 Mar-2002 Apr-2002 May-2002 Jun-2002 Jul-2002 Aug-2002 Sep-2002 Oct-2002 Nov-2002 黄金价格 通货膨胀指数 美元指数 283.2 294.2 278.4 274.7 271.7 291.5 276.8 279.6 273.6 266.4 270.1 273.6 265.6 267.8 257.9 264.4 265.3 271.3 266.2 275.1 292.4 280.5 273.9 279 282.1 297.1 302.6 309.2 326.5 313.9 303.2 312.8 323.9 318.4 316.8 100 100.2 100.701 101.405907 101.405907 101.5073129 102.1163568 102.3205895 102.2182689 102.7293603 102.934819 103.1406886 103.34697 103.9670518 104.278953 104.3832319 104.6963816 105.1151671 105.3253975 105.0094213 105.1144307 105.5348884 105.2182838 105.2182838 105.0078472 105.2178629 105.4282986 105.7445835 106.2733064 106.2733064 106.3795797 106.4859593 106.8054172 107.019028 107.3400851 105.04 106.06 105.47 109.93 108.6 106.94 109.61 112.61 113.19 116.66 115.15 109.32 110.28 112.02 117.49 115.91 119.04 119.47 117.18 113.42 113.48 114.86 115.46 116.82 120.24 119.16 118.62 115.19 111.81 106.11 107.41 106.98 106.81 106.5 106.41 道琼斯指数 10940.5 10128.3 10921.9 10733.9 10522.3 10447.9 10522 11215.1 10650.9 10971.1 10414.5 10788 10887.4 10495.3 9878.8 10735 10911.9 10502.4 10522.8 9949.8 8847.6 9075.1 9851.6 10021.6 9920 10106.1 10403.9 9946.2 9925.3 9243.3 8736.6 8663.5 7591.93 8397.03 8896.09 原油期货价格 27.64 30.43 26.9 25.74 29.01 32.5 27.43 33.12 30.84 32.7 33.82 26.8 28.66 27.39 26.29 28.46 28.37 26.25 26.35 27.2 23.43 21.18 19.44 19.84 19.48 21.74 26.31 27.29 25.31 26.86 27.02 28.98 30.45 27.22 26.89 15

Dec-2002 Jan-2003 Feb-2003 Mar-2003 Apr-2003 May-2003 Jun-2003 Jul-2003 Aug-2003 Sep-2003 Oct-2003 Nov-2003 Dec-2003 Jan-2004 Feb-2004 Mar-2004 Apr-2004 May-2004 Jun-2004 Jul-2004 Aug-2004 Sep-2004 Oct-2004 Nov-2004 Dec-2004 Jan-2005 Feb-2005 Mar-2005 Apr-2005 May-2005 Jun-2005 Jul-2005 Aug-2005 Sep-2005 Oct-2005 Nov-2005 Dec-2005 Jan-2006 Feb-2006 Mar-2006 Apr-2006 May-2006 Jun-2006 348.2 368.3 350.3 335.9 339.4 364.5 346.3 354 375.8 385.4 384.6 396.8 416.1 402.2 396.8 427.3 387.5 394 393 391 410.9 418.7 429.4 451.3 438.4 421.8 437.6 428.7 436.1 416.3 437.1 429.9 435.1 469 466.9 494.6 518.9 570.8 563.9 581.8 654.5 642.5 616 107.4474252 107.5548726 107.8775372 108.5248025 108.8503769 108.5238257 108.5238257 108.7408734 108.9583551 109.2852302 109.6130859 109.6130859 109.3938597 109.6126474 110.1607107 110.4911928 111.0436488 111.2657361 111.9333305 112.2691305 112.8304761 112.9433066 113.1691932 113.8482084 114.0759048 113.9618289 114.0757907 114.5320939 115.2192864 115.7953829 115.6795875 115.6795875 116.2579854 116.8392754 118.2413467 118.4778294 117.7669624 117.6491954 118.4727398 118.5912125 119.0655774 119.7799708 120.2590907 101.85 99.91 99.71 99.06 97.19 93.27 94.73 96.89 98.1 92.85 92.73 90.23 86.92 87.2 87.31 87.61 90.54 88.95 88.8 89.96 88.89 87.38 84.91 81.82 80.87 83.6 82.51 84.06 84.43 87.76 89.09 89.35 87.53 89.44 90.09 91.59 91.1 88.92 90.13 89.73 85.97 84.73 85.16 8341.63 8053.81 7891.08 7992.13 8480.09 8850.26 8985.44 9233.8 9415.82 9275.06 9801.12 9782.46 10453.9 10488.07 10583.92 10357.7 10225.57 10188.45 10435.48 10139.71 10173.92 10080.27 10027.47 10428.02 10783.01 10489.94 10766.23 10503.76 10192.51 10467.48 10274.97 10640.91 10481.6 10568.7 10440.07 10805.87 10717.5 10864.86 10993.41 11109.32 11367.14 11168.31 11150.22 31.2 33.51 36.6 31.04 25.8 29.56 30.19 30.54 31.57 29.2 29.11 30.41 32.52 33.05 36.16 35.76 37.38 39.88 37.05 43.8 42.12 49.64 51.76 49.13 43.45 48.2 51.75 55.4 49.72 51.97 56.5 60.57 68.94 66.24 59.76 57.32 61.04 67.92 61.41 66.63 71.88 71.29 73.93 15

Jul-2006 Aug-2006 Sep-2006 Oct-2006 Nov-2006 Dec-2006 Jan-2007 Feb-2007 Mar-2007 Apr-2007 May-2007 Jun-2007 Jul-2007 Aug-2007 Sep-2007 Oct-2007 Nov-2007 Dec-2007 Jan-2008 Feb-2008 Mar-2008 Apr-2008 May-2008 Jun-2008 Jul-2008 Aug-2008 Sep-2008 Oct-2008 Nov-2008 Dec-2008 Jan-2009 Feb-2009 Mar-2009 Apr-2009 May-2009 Jun-2009 Jul-2009 Aug-2009 Sep-2009 Oct-2009 Nov-2009 Dec-2009 634.2 628.2 598.6 606.8 646.9 638 652 672.5 663 683.5 661 650.9 666.9 675.8 742.8 795.3 782.2 838 922.7 975 916.2 865.1 887.3 928.3 913.9 831.2 874.2 731.2 828.3 890.2 935.8 950.4 929.8 895.6 983.1 930.2 955.8 953.5 1009.3 1040.4 1179.3 1097.8 120.4996089 120.9816073 121.2235706 120.6174527 120.0143654 120.0143654 120.6144373 120.8556661 121.3390888 122.0671233 122.5553918 123.4132796 123.6601061 123.7837662 123.6599825 124.0309624 124.4030553 125.3982798 125.7744746 126.2775725 126.2775725 126.6564052 126.909718 127.6711763 129.0755593 130.1081637 129.9780556 129.9780556 128.678275 126.4907443 125.6053091 125.9821251 126.4860536 126.3595675 126.3595675 126.4859271 127.3713286 127.3713286 127.8808139 128.1365755 128.5209852 129.0350692 85.33 85.08 86.02 85.33 82.95 83.68 84.59 83.6 82.94 81.46 82.31 81.92 80.81 80.82 78.37 76.54 76.15 76.69 75.23 73.75 71.84 72.58 72.87 72.47 73.2 77.32 79.24 85.59 86.55 81.17 85.84 88.15 85.6 84.79 79.23 80.16 78.35 78.16 76.7 76.39 74.81 77.92 11185.68 11381.15 11679.07 12080.73 12221.93 12463.15 12621.69 12268.63 12354.35 13062.91 13627.64 13408.62 13211.99 13357.74 13895.63 13930.01 13371.72 13264.82 12650.36 12266.39 12262.89 12820.13 12638.32 11350.01 11378.02 11543.55 10850.66 9336.93 8829.04 8776.39 8000.86 7062.93 7608.92 8168.12 8500.33 8447 9171.61 9496.28 9712.28 9712.73 10344.84 10428.05 74.4 70.26 62.91 58.73 63.13 61.05 58.14 61.79 65.87 65.71 64.01 70.68 78.21 74.04 81.66 94.53 88.71 95.98 91.75 101.84 101.58 113.46 127.35 140 124.08 115.46 100.64 74.88 65.42 58.73 54.8 52.52 57.72 57.33 69.2 72.71 73.2 71.38 70.94 77 77.3 79.62 15

表4-1 时间序列协整分析

t-Statistic

-11.39854 -3.486551 -2.886074 -2.579931

Prob.* 0.0000

Augmented Dickey-Fuller test statistic Test critical values:

表4-2 时间序列协整分析

Variable

D(RESID(-1))

C

R-squared

Coefficient

-1.084768 0.582009

1% level 5% level 10% level

Std. Error

0.095167 3.635611

t-Statistic

-11.39854 0.160086

Prob.

0.0000 0.8731

-0.745439 57.22758 10.20589 10.25285 129.9266 0.000000

0.528315 Mean dependent var 0.524248 S.D. dependent var 39.47258 Akaike info criterion 180737.8 Schwarz criterion -600.1477 F-statistic 1.956641 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表4-3 EVIEWS对模型的回归分析

Variable C USD CPI STOCK OIL

R-squared

Coefficient

-2351.045 1.160975 25.02064 -0.015881 1.283224

Std. Error

330.1973 1.111176 2.181418 0.006215 0.692239

t-Statistic

-7.120121 1.044816 11.46990 -2.555393 1.853730

Prob.

0.0000 0.2983 0.0000 0.0119 0.0663

528.2375 248.4915 11.58949 11.70563 273.9709 0.000000

0.905028 Mean dependent var 0.901725 S.D. dependent var 77.89936 Akaike info criterion 697855.6 Schwarz criterion -690.3692 F-statistic 0.260995 Prob(F-statistic)

15

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表4-4 剔除美元指数后重新对模型进行的回归分析结果

Variable C CPI STOCK OIL

R-squared

Coefficient

-2080.199 23.71186 -0.016657 1.194181

Std. Error

204.6069 1.786620 0.006173 0.687244

t-Statistic

-10.16681 13.27191 -2.698585 1.737638

Prob.

0.0000 0.0000 0.0080 0.0849

528.2375 248.4915 11.58227 11.67518 364.6425 0.000000

0.904126 Mean dependent var 0.901647 S.D. dependent var 77.93012 Akaike info criterion 704480.0 Schwarz criterion -690.9360 F-statistic 0.240947 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

表4-5 平稳时间段内模型的回归分析结果

Variable C OIL STOCK CPI

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient -1360.686 1.781659 0.018002 13.61367

Std. Error 146.8045 0.590557 0.004090 1.444809

t-Statistic -9.268695 3.016914 4.401682 9.422474

Prob. 0.0000 0.0033 0.0000 0.0000 426.7073 152.6297 10.07861 10.18545 10.12180 0.305138

0.944322 Mean dependent var 0.942506 S.D. dependent var 36.59743 Akaike info criterion 123222.2 Schwarz criterion -479.7731 Hannan-Quinn criter. 520.1147 Durbin-Watson stat 0.000000

15

表4-6 加入GOLD（-1）后的回归分析

Variable C CPI OIL STOCK GOLD1

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient -71.18623 0.712546 0.835243 -0.000785 0.886716

Std. Error 111.1506 1.108756 0.306271 0.002328 0.054597

t-Statistic -0.640449 0.642654 2.727140 0.337172 16.24115

Prob. 0.5235 0.5221 0.0077 0.7368 0.0000 428.2179 152.7163 8.730396 8.864811 8.784710 2.015961

0.985868 Mean dependent var 0.985240 S.D. dependent var 18.55356 Akaike info criterion 30981.10 Schwarz criterion -409.6938 Hannan-Quinn criter. 1569.650 Durbin-Watson stat 0.000000

资料来源与参考文献

1.王黎明 陈颖 杨楠 《应用回归分析》 复旦大学出版社 2008年2月 44页到93页 2.张晓峒 《计量经济学基础》（第三版） 南开大学出版社 2005年2月 283页-319页 3.王燕 《应用时间序列分析》 中国人民大学出版社 2005年5月 41页到108页

4.高铁梅．计量经济分析方法与建模：EVIEWS应用及实例 清华大学出版社 23页到83页 5. 傅瑜 《近期黄金价格波动的实证研究产业经济研究》2005年

6. 周洁卿．黄金和黄金市场——投资价值的认识与实践 学林出版社，2008年

7. 刘曙光，胡再勇．黄金价格的长期决定因素稳定性分析 世界经济研究 2008年 68页到84页 8. 许浩帆，杨 强 《黄金价格影响因素分析》 《期货日报》 2007年9月26日 9. 张次兰、郇红艳 《石油价格与黄金价格的实证分析西南金融》 2009年6月 10.李家林《长期黄金价格影响因素实证分析》 《生产力研究》

11.蒋立群 《黄金价格波动的决定因素探讨》 《时代经贸》2007年12月 第五卷 12.余磊 《影响黄金价格因素的实证研究》 《大众商务》2009年7月

13.Erie J．Levin&Robert E．Wright．Short-run and Long-run Determinants of the Price of Gold．World Gold Council Research Study 2006 14. Dooley，M．P，Isard，P．&Taylor，M．P．Exchange rates，country specific．Appliedfinancial economics 1995

15. Ramaprasadb，Shigeyukih．flow between price andtrading value in gold future contracts． International of Jusitless and Economics，2004(3)：45—56． 16 Gujarati，Damodar N．Basic Econometrics New York：Mcgray．Hill，2003．

15

本文来源：https://www.bwwdw.com/article/1tdg.html