国际黄金价格的影响因素研究

国际黄金价格的影响因素研究

摘要

黄金，作为一种特殊的大宗商品，具有商品、货币和投资避险等多种属性。它不仅是珠宝首饰制作、工业制造和现代高新技术产业的一种重要原材料，也是重要的国际支付手段和财富储备的主要载体。

黄金的多重属性决定了影响黄金价格的因素必定是错综复杂的，本文考虑了黄金的货币性以及投资避险属性，对影响黄金价格的主要因素进行理论分析，并以美元指数、原油价格、美国CPI指数以及道琼斯工业平均指数作为因变量，运用三种不同的回归模型对2011年1月至2015年8月的黄金价格月度数据进行实证分析，并预测了2015年9月和2015年10月的黄金价格。

目录

摘要 (1)

一、黄金价格的影响因素分析 (3)

1.1 美元指数 (3)

1.2 原油价格 (3)

1.3 美国CPI指数 (4)

1.4 道琼斯工业平均指数（DJIA） (5)

二、黄金价格影响因素的实证分析 (6)

2.1 数据分析 (6)

2.2 多元线性回归 (6)

2.2.1 模型建立 (6)

2.2.2 回归诊断 (8)

2.3 逐步回归法（AIC原则）的回归模型 (10)

2.4 主成分回归 (11)

2.4.1 主成分个数选择 (11)

2.4.2 建立主成分回归模型 (11)

2.5 非线性回归模型（多项式回归） (11)

2.6 模型的优劣比较 (12)

2.7 模型预测比较 (13)

一、黄金价格的影响因素分析

1.1美元指数

国际上主要的商品都是以美元计价，黄金也不例外，且商品价格多与美元呈负相关关系。当投资者对美元缺乏信心而减少对美元的持有时，美元指数下降，同时投资者会转而增加对黄金的持有，黄金需求增加导致黄金价格的上升。

图1.1反映的是黄金价格与美元指数在2011年1月至2015年10月的走势，图中可以看出黄金价格与美元指数呈现明显的负相关关系，两者的相关系数为-0.624，具有较高的负相关性。

图1.1黄金价格与美元指数走势图

1.2原油价格

西德克萨斯中质原油（West Texas Intermediate，WIT）是由美国生产出来的轻质低硫原油，其利用率非常高，在所有原油品种中最具市场指标性，且是世界原油价格的定价基准。因此本文以WIT作为原油价格的代表变量对黄金价格进行研究分析。由于国际黄金与原油都采用美元标价，因此美元指数波动会直接引

发黄金价格和原油价格的同向波动。

图1.2反映的是黄金价格与原油价格在2011年1月至2015年10月的走势，从图中可以看出黄金价格与原油价格的走势基本相同，经相关性检验得到两者的相关系数为0.439，具有明显的正相关性。

图1.2黄金价格与原油价格走势图

1.3美国CPI指数

消费者物价指数（CPI）是衡量一段时间与生活有关的所有消费品价格与劳务价格的变化指标，本文以美国消费者物价指数变动来代表通货膨胀的变动。如果消费者物价指数上升，则会带来通货膨胀压力，此时央行可能会提高利率来控制通胀压力，从而利多美元，利空黄金。

图1.3反映的是黄金价格与美国CPI指数在2011年1月至2015年10月的走势，从图中可以看出黄金价格与美国CPI指数具有明显的负相关关系，其相关系数为-0.648。

图1.3黄金价格与美国CPI指数走势图

1.4道琼斯工业平均指数（DJIA）

道琼斯工业平均指数是世界上最有影响力的股价指数之一，是国际经济发展的先行指标。通常在股市繁荣时，资金会由风险与投资报酬相对较低的黄金市场转移到风险与投资报酬都较高的股票市场，从而造成黄金价格的下降和股票价格的上涨。反之，当股市动荡时，资金就会选择风险较低且具有保值功能的黄金市场。

图1.4反映的是黄金价格与道琼斯工业平均指数在2011年1月至2015年10月的走势，从图中可以看出黄金价格与道琼斯工业平均指数具有明显的负相关关系，其相关系数为-0.845。

图1.4黄金价格与道琼斯工业平均指数走势图

二、黄金价格影响因素的实证分析

2.1数据分析

本文选取2011年1月—2015年8月的国际黄金的月开盘价数据、美元指数的月开盘价数据、WIT原油的月开盘价数据、美国CPI指数以及道琼斯工业平均指数，共计56*5=280个观测值。

数据来源：万得数据库

2.2 多元线性回归

2.2.1 模型建立

以2011年1月—2015年8月的国际黄金的月开盘价数据（y）为因变量，以美元指数的月开盘价数据（x1）、WIT原油的月开盘价数据（x2）、美国CPI指数（x3）以及道琼斯工业平均指数（x4）为自变量建立多元线性回归模型。

输出结果如下所示：

Model Summary

ANOVA

Coefficients

（1） 回归方程为：

12344139 5.069 2.83336.650.15ˆ4x x x x y

=---+- （2） 多重共线性检验：

计算方差扩大因子，得到如下结果： 由于x1、x2、x3和x4的方差扩大因子均小于10，故可判断自变量间不存在严重的多重共线性。

（3） 决定系数20.8163R =，由决定系数看，回归方程高度显著。

（4）方差分析表，表明回归方程高度显著，说明x1、x2、x3、x4整体上对y有高度显著的线性影响。

（5）回归系数的显著性检验。自变量x3、x4对y有显著影响，但x1、x2 的P值均大于0.05，说明在5%的显著性水平上对y并不显著，因此还需要进一步对回归模型的变量进行分析。

2.2.2 回归诊断

（1）方差齐性检验。

图2.1残差图

由ncvTest生成计分检验得到P值为0.0533，大于0.05，故在5%的显著性水平下接受原假设，即方差齐性。此外，由图2.1可见，并不存在明显的异方差性。

（2）独立性检验。

图2.2残差自相关性检验图