经济政策不确定性、投资者情绪与黄金价格波动

doi:10.11872/j.issn.1005-2518.2022.06.127

经济政策不确定性、投资者情绪与黄金价格波动

郑明贵^,¹^,², 彭群婷^,¹, 陶思敏¹, 刘丽珍¹

1.江西理工大学矿业发展研究中心，江西赣州 341000

2.中国科学技术大学管理学院，安徽合肥 230026

Economic Policy Uncertainty，Investor Sentiment and Gold Price Volatility

ZHENG Minggui^,¹^,², PENG Qunting^,¹, TAO Simin¹, LIU Lizhen¹

1.Mining Development Research Center, Jiangxi University of Science and Technology, Ganzhou 341000, Jiangxi, China

2.School of Management, University of Science and Technology of China, Hefei 230026, Anhui, China

通讯作者: 彭群婷（1999-），女，江西赣州人，硕士研究生，从事矿业贸易与投资方面的研究工作。858204619@qq.com

收稿日期: 2022-09-25 修回日期: 2022-11-07

基金资助:

国家社会科学基金项目“中国战略性矿产资源产业链供应链安全稳定战略研究（2025—2060）”.  22XGL003
国家社会科学基金重点项目“中国战略性矿产资源国家安全评估与预警系统研究（2020—2050）”.  18AGL002
江西省高校人文社会科学重点研究基地江西理工大学矿业发展研究中心2022年度重大招标课题“突发环境下战略性矿产资源产业战略管理理论与方法”.  KYZX2022-1
江西理工大学重大项目培育计划“大数据驱动下国家矿产资源安全战略管理现代化研究”.  19ZDPY-08

Received: 2022-09-25 Revised: 2022-11-07

作者简介 About authors

郑明贵（1978-），男，安徽颍上人，教授，博士生导师，从事资源经济与管理方面的研究工作mgz268@sina.com , E-mail：mgz268@sina.com

摘要

黄金在维持金融稳定和趋避风险中发挥着重要作用。以2011—2021年数据为样本，使用GARCH-MIDAS模型探究经济政策不确定性和投资者情绪对黄金价格波动的影响。研究结果表明：（1）黄金价格波动具有自相关性，长期影响为正；（2）黄金价格在短期内会受到经济政策不确定性和投资者情绪变化的影响，正向冲击能够增大黄金价格的短期波动，就长期来看，黄金价格会受到经济政策不确定性的负向影响，但投资者情绪的长期影响不显著；（3）经济政策高不确定性会引起国内投资者的关注，并反映在黄金价格波动中。研究结果为讨论黄金价格波动提供了新视角，也为实现风险控制或金融稳定提供了参考。

关键词： 黄金价格波动 ; 经济政策不确定性 ; 投资者情绪 ; GARCH-MIDAS模型 ; 混频数据

Abstract

Gold plays an important role in maintaining financial stability and risk aversion.It is not only a haven against uncertainty，but also a key factor affecting investors’sentiment and decision-making behavior. The-refore，it is of great value to investigate the impact of uncertainty risk and investors’risk aversion decision on gold price. At present，there is no consensus on the impact of economic policy uncertainty on gold price. Few scholars incorporate economic policy uncertainty and investor sentiment into the research framework at the same time，and few literatures study high uncertainty separately.In order to better explore the above issues，based on risk aversion and expectation theory，economic policy uncertainty and investor sentiment were incorporated into a unified analysis framework.With data from 2011 to 2021 as samples，GARCH-MIDAS model was used to explore the impact of economic policy uncertainty and investor sentiment on gold price volatility. Furthermore，the influence changes under the environment of high economic policy uncertainty were investigated.The results show that：Firstly，gold price fluctuation has autocorrelation，and the long-term impact is positive.Secondly，in the short term，gold prices are affected by economic policy uncertainty and investor sentiment changes，positive shocks can increase the short-term volatility of gold prices，in the long term，gold prices will be negatively affected by economic policy uncertainty，but the long-term impact of investor sentiment is not significant.Finally，high economic policy uncertainty will be more noticeable to domestic investors and reflected in gold price volatility.These contents not only provide a new perspective for the discussion of gold price volatility，but also provide a reference for the realization of risk control or financial stability.

Keywords： gold price volatility ; economic policy uncertainty ; investor sentiment ; GARCH-MIDAS model ; mixed frequency data

PDF (1474KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

郑明贵, 彭群婷, 陶思敏, 刘丽珍. 经济政策不确定性、投资者情绪与黄金价格波动[J]. 黄金科学技术, 2022, 30(6): 891-900 doi:10.11872/j.issn.1005-2518.2022.06.127

ZHENG Minggui, PENG Qunting, TAO Simin, LIU Lizhen. Economic Policy Uncertainty，Investor Sentiment and Gold Price Volatility[J]. Gold Science and Technology, 2022, 30(6): 891-900 doi:10.11872/j.issn.1005-2518.2022.06.127

黄金作为国家储备资产，在实施货币政策和稳定金融体系方面具有不可替代的作用。2022年3月，国务院发布了《关于落实<政府工作报告>重点工作分工的意见》〔国发［2022］9号〕，着力强调防范化解重大风险，并要求做好金融领域风险防范和处置工作以及加强风险预警、防控机制和能力建设。不确定性因素会增加投资者对风险的感知和厌恶，也是影响投资者情绪和决策行为的关键因素（Wang et al.，2020），为对冲潜在的财富损失，投资者纷纷涌向黄金市场，从而引发黄金需求上升（Ghorbel，2018）。因此，分析黄金价格在经济政策不确定性和投资者情绪影响下的走势和波动，不仅有助于政策制定者和投资者掌握黄金价格的波动特征，而且有利于促进金融稳定和经济发展。

关于黄金价格波动影响因素的研究，大致可归纳为两类：一是金融市场因素，包括美元（Baker et al.，1985）、汇率（Giannellis et al.，2019）、利率（Giannellis et al.，2019）、股票（Aziz et al.，2021；刘冠国，2013）和大宗商品（Aguilera et al.，2017；Kumar，2017；Lee et al.，2012；Narayan et al.，2010；Sephton et al.，2018；Tiwari et al.，2015；Wang et al.，2013；Zhang et al.，2010；熊苡等，2016；张莹等，2007）；二是非金融市场因素，包括政治因素（Bordo，1981；Rockoff，1984；许贵阳，2012）、数据信息公布（刘绪开，2020）和不确定性事件（张珣等，2009；朱学红等，2018）。黄金一直被视为重要的避险资产，是抵御不确定性的避风港（Balcilar et al.，2016；Bilgin et al.，2018；Gozgor et al.，2019；Jones et al.，2014；Li et al.，2017），已有研究证实黄金价格与经济政策不确定性之间存在稳定且显著的关系（Chiang，2022；Mokni et al.，2020）。诸多研究表明，经济政策不确定性增加会导致黄金价格上涨（Beckmann et al.，2019；Bilgin et al.，2018；Chiang，2022；Su et al.，2022a），尤其是在不确定性较高的时期，正向关系更为明显（Bouoiyour et al.，2018；Su et al.，2022b）。也有少数学者发现二者存在其他相关关系，如美国和英国经济政策不确定性与黄金价格之间存在不规则相关关系（Yu et al.，2021）；在不同时间（Chai et al.，2019；Qin et al.，2020；Zhang et al.，2021）、地点（Jones et al.，2014）及发生特别事件时（Chai et al.，2019），经济政策不确定性对黄金价格可能产生负面或正负面交替的影响。类似地，Syed et al.（2018）研究证实黄金价格与经济政策不确定性之间呈非线性关系。也有研究发现，经济政策不确定性对黄金价格的影响是很短暂的，没有明显的时间延迟（Chiang，2022；Yu et al.，2021）。在应用方面，Aye et al.（2015）使用美国经济政策不确定性指数预测了黄金价格。

随着互联网技术的发展，一些非市场因素得到量化，并在近年来得到了较多关注和研究，如投资者情绪和投资者关注度等。已有研究证实，投资者情绪对黄金价格波动具有显著影响（Hajek et al.，2022；Mensi et al.，2020）。绝大部分研究支持投资者情绪的负面影响，即投资者悲观情绪上升将导致黄金需求增加，价格波动也随之增加（Balcilar et al.，2017；Baur，2013；Ghorbel，2018；Pan，2018；梁超等，2022）。从时间上看，投资者情绪在短期内对黄金价格波动存在显著影响（Balcilar et al.，2017），但长期来看影响不显著（Aggarwal et al.，2014）。也有部分学者使用投资者情绪对黄金价格进行预测（Aggarwal et al.，2014；Hajek et al.，2022），提高了价格波动率的预测精度（梁超等，2022）。

基于上述分析可知，经济政策不确定性对黄金价格的影响尚未达成共识，很少有学者将经济政策不确定性和投资者情绪同时纳入研究框架，且鲜有文献对经济政策高不确定性情况进行单独研究。因此，本文主要研究2个问题：经济政策不确定性和投资者情绪对黄金价格会产生怎样的影响？在经济政策高不确定性情况下，经济政策不确定性和投资者情绪对黄金价格的影响会发生怎样的变化？

与已有文献相比，本文可能的边际贡献是：第一，在研究视角方面，同时考察了经济政策不确定性和投资者情绪对黄金价格波动的影响，丰富了黄金价格波动方面的研究，为经济政策制定和投资决策提供更为精准的证据。第二，在研究方法方面，区别于以往的同频模型，采用GARCH-MIDAS混频模型对黄金价格波动进行建模，一方面将黄金价格波动划分为短期波动和长期波动，探究经济政策不确定性和投资者情绪对黄金价格短期和长期波动所产生的不同影响；另一方面增强了计量结果的准确性和可信度。第三，在研究内容方面，基于风险规避和期望理论，对经济政策不确定性进行分样本探究，单独考察了经济政策高不确定性情况下黄金价格波动所受影响，研究结果支持了风险规避和期望理论。

1 模型设计

在考察经济变量之间的关系时，由于存在信息的低频率，主要通过降低高频数据的频或拆分低频数据，构造同频模型。然而，人为改造数据可能会产生一些问题，如损失高频中有价值的信息、引起参数估计偏误或波动预测偏误。本文使用的黄金价格拥有高频数据，而经济政策不确定性和投资者情绪只有月度数据。鉴于混频数据抽样模型（MIDAS）具有可处理非同频数据的优势，能较好地减少数据加工所造成的损失，保持数据的完整性（Ghysels et al.，2004），本研究使用混频模型。目前混频模型有MS-MIDAS、MIDAS-AR、ECM-MIDAS和GARCH-MIDAS等，鉴于GARCH-MIDAS模型（Engle et al.，2013；Conrad et al.，2015）可分解时间序列波动成分，能够更好地描述市场波动情况，本文使用GARCH-MIDAS模型研究经济政策不确定性和投资者情绪对黄金价格波动的影响。

1.1 单因子GARCH-MIDAS模型

借鉴Engle et al.（2013）的研究，假定黄金价格波动可表示为

$r_{i, t} = μ_{t} + \sqrt[]{τ_{t} g_{i, t} ε_{i, t}}, ε_{i, t} | Ω_{i - 1, t} ~ N (0,1)$

（1）

式中： $r_{i, t}$ 表示第t月第i天的黄金价格波动，通过黄金市场价格P计算得到； $μ_{t}$ 为无条件均值； $ε_{i, t} | Ω_{i - 1, t} ~ N (0,1)$ 为t月中i-1天的信息集。

$r_{i, t} = P_{i, t} - P_{i - 1, t}$

（2）

$σ_{i, t}^{2} = τ_{t} g_{i, t}$

（3）

式中：波动率 $σ_{i, t}^{2}$ 分为长期波动 $τ_{t}$ 和短期波动 $g_{i, t}$ 这2个部分。

短期波动 $g_{i, t}$ 遵循GARCH（1，1）过程， $α$ 为ARCH项系数， $β$ 为GARCH项系数。根据模型设定，参数 $α > 0$ ， $β$ 为非负数， $α + β < 1$ 。

$g_{i, t} = (1 - α - β) + α \frac{(r_{i - 1, t} {- μ)}^{2}}{τ_{t}} + β g_{i - 1, t}$

（4）

长期趋势 $τ_{t}$ 受已实现波动率（Realized Volatility，简称RV）的影响，表示为

$τ_{t} = m + θ \sum_{k = 1}^{K} φ_{k} (ω_{1}, ω_{2}) R V_{t - k}$

（5）

式中：m为长期常数项； $θ$ 为RV对长期波动的影响系数；K为低频变量的最大滞后阶数。其中，月度RV表示为

$R V = \sum_{i = 1}^{N_{t}} r_{i, t}^{2}$

（6）

$φ_{k} (ω_{1}, ω_{2})$ 是由Beta函数构造的权重方程，表示为

$φ_{k} (ω_{1}, ω_{2}) = \frac{{(\frac{k}{K})}^{ω_{1} - 1} {(1 - \frac{k}{K})}^{ω_{2} - 1}}{\sum_{j = 1}^{K} {(\frac{j}{K})}^{ω_{1} - 1} {(1 - \frac{j}{K})}^{ω_{2} - 1}}$

（7）

为了保证滞后变量的权重呈衰减形式（距离当期越近，对当期的影响就越大），设定 $ω_{1} = 1$ ，由系数 $ω_{2}$ 决定低频数据对高频数据影响程度的衰减速度。因此，式（7）可表示为

$φ_{k} (ω_{2}) = \frac{{(1 - \frac{k}{K})}^{ω_{2} - 1}}{\sum_{j = 1}^{K} {(1 - \frac{j}{K})}^{ω_{2} - 1}}$

（8）

1.2 多因子GARCH-MIDAS模型

为了进一步研究黄金价格所受的非对称影响，使用短期波动GJR-GARCH（1，1）代替GARCH（1，1）过程进行研究。

$g_{i, t} = (1 - α - \frac{γ}{2} - β) + (α + γ I_{i - 1, t}) \frac{{(r_{i - 1, t} - μ)}^{2}}{τ_{t}} + β g_{i - 1, t}$

（9）

其中：

$I_{i - 1, t} = \{\begin{array}{l} 0, r_{i - 1, t} - μ \geq 0 \\ 1, r_{i - 1, r} - μ < 0 \end{array}$

（10）

式中： $I_{i - 1, t}$ 为指示函数； $γ$ 为非对称杠杆系数。

为避免不同宏观变量与已实现波动率之间相互孤立的问题，充分考察外生变量对黄金价格的影响，在式（5）基础上引入其他外生变量，如式（11）。

$τ_{t} = m + θ_{1} \sum_{k = 1}^{K} φ_{1 k} (ω_{11}, ω_{12}) R V_{t - k} + θ_{2} \sum_{k = 1}^{K} φ_{2 k} (ω_{21}, ω_{22}) X_{t - k}$

（11）

将经济政策不确定性和投资者情绪变量分别代入式（11），如式（12）和式（13），再综合式（1）与式（9），得到经济政策不确定性对黄金价格波动影响与投资者情绪对黄金价格波动影响的双因子GARCH-MIDAS模型。

$τ_{t} = m + θ_{1} \sum_{k = 1}^{K} φ_{1 k} (ω_{11}, ω_{12}) R V_{t - k} + θ_{2} \sum_{k = 1}^{K} φ_{2 k} (ω_{21}, ω_{22}) d C E P U_{t - k}$

（12）

$τ_{t} = m + θ_{1} \sum_{k = 1}^{K} φ_{1 k} (ω_{11}, ω_{12}) R V_{t - k} + θ_{2} \sum_{k = 1}^{K} φ_{2 k} (ω_{21}, ω_{22}) d C I C S I_{t - k}$

（13）

将式（12）与式（13）相结合，如式（14），再综合式（1）与式（9），得到经济政策不确定性和投资者情绪对我国黄金价格波动影响的多因子GARCH-MIDAS模型。

$τ_{t} = m + θ_{1} \sum_{k = 1}^{K} φ_{1 k} (ω_{11}, ω_{12}) R V_{t - k} + θ_{2} \sum_{k = 1}^{K} φ_{2 k} (ω_{21}, ω_{22}) d C E P U_{t - k} + θ_{3} \sum_{k = 1}^{K} φ_{3 k} (ω_{31}, ω_{32}) d C I C S I_{t - k}$

（14）

2 实证分析

2.1 变量选择与数据说明

本文选取上海黄金交易所现货实盘Au99.99品种作为黄金价格代表进行研究，数据来自国泰安CSMAR数据库，样本期为2011—2021年，得到2 675个日度数据。经济政策不确定性借鉴Baker et al.（2016）的研究，选取中国经济政策不确定性指数（CEPU）进行研究。中国经济政策不确定性指数是通过检索《人民日报》和《光明日报》所发表文章中含有“经济”“政策”和“不确定性”的关键词，进行统计和标准化处理后得到的。数据来自不确定性指数网站（http：//www.policyuncertainty.com）。

投资者情绪指数包括直接度量、间接度量和复合度量3种方法。直接度量指标有AAⅡ指数、央视看盘指数和好淡指数等，主要通过访谈和问卷的方式得到；间接度量依靠搜集市场上能够获取的股市交易情况作为参考，间接反映投资者情绪，包括IPO首日交易收益率、新开户数和封闭式基金折价等；复合度量对多个单一指标的汇总复合，如易志高等（2009）构建了投资者情绪（CICSI）指标，表示为

$\begin{array}{l} C I C S I_{t} = 0.231 D C E F_{t} + 0.224 T U R N_{t - 1} + \\ 0.257 I P O N_{t} + 0.322 I P O R_{t} + \\ 0.268 C C I_{t} + 0.405 N I A_{t - 1} \end{array}$

（15）

投资者情绪（CICSI）指标是由封闭式基金折价率（DCEF）、沪深市场月交易量（TURN）、IPO个数（IPON）、IPO首日收益（IPOR）、消费者信心指数（CCI）和新增开投资者户数（NIA）等进行标准化处理和主成分分析，再加权平均得出的。

相比单项指标度量来说，复合度量在对投资者情绪的综合反映上具有一定的优势，具体体现在：第一，复合度量对多个单项指标特征加以综合，能够实现对投资者情绪更多维度和角度的度量；第二，复合度量能够更好地反映宏观经济波动对投资者产生的整体影响，使投资者情绪的测量更具科学性。因此，本文使用CICSI指数衡量投资者情绪，数据来自国泰安CSMAR数据库。

2.2 描述性统计

由图1和图2可以看出，我国黄金价格总体保持在200~450元/g范围内，其中有2个时段价格上涨明显且波动幅度大：一是2011—2013年，主要原因为2011年欧债危机爆发使世界经济不确定性增加；二是2019年末至今，主要原因为2018年中美贸易摩擦和2019年COVID-19在全球迅速蔓延，使各国产业遭受重创，世界不确定性因素增多，黄金价格再次发生较大波动，并于2020年8月达到峰值。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 2011—2021年我国黄金Au99.99价格折线图

Fig.1 Gold Au99.99 price line chart in China from 2011 to 2021

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2011—2021年我国黄金Au99.99价格波动折线图

Fig.2 Gold Au99.99 price volatility line chart in China from 2011 to 2021

我国黄金价格波动率、投资者情绪及经济政策不确定性的描述性统计列于表1中。所有数据经过差分化处理后，均值接近于0。相比于黄金价格和投资者情绪指数，经济政策不确定性的标准差较大。对峰度和偏度而言，所有数据偏度有正有负，峰度值均大于3，呈现尖峰特征，Jarque-Bera检验拒绝了服从正态分布的假设，ADF检验显示所有差分后的数据均是平稳的。

表1 变量的描述性统计

Table 1 Descriptive statistics of the variables

变量	样本量/个	平均值	标准差	最小值	最大值	偏度	峰度	Jarque-Bera	ADF
r	2 675	0.0270	2.8453	-33.1900	17.3900	-1.2347	18.7658	28 383.9335^***	平稳
dCEPU	132	1.6533	80.5617	-273.1702	283.9710	0.2549	5.4088	33.3434^***	平稳
dCICSI	132	0.0370	4.4873	-11.4700	26.1100	1.4365	11.2294	417.8787^***	平稳

注：***、**和*分别代表在1%、5%和10%水平上显著

新窗口打开| 下载CSV

2.3 GARCH-MIDAS模型分析

（1）单因子和双因子GARCH-MIDAS模型结果分析

本文首先估计已实现波动率的单因子GARCH-MIDAS模型，再加入外生变量进行估计。根据信息准则选定滞后期，GARCH-MIDAS模型回归结果见表2。

表2 GARCH-MIDAS模型估计结果

Table 2 Estimation results of GARCH-MIDAS model

参数	参数值
参数	模型（1） RV	模型（2） RV+ dCEPU	模型（3） RV+ dCICSI	模型（4） RV+ dCEPU+ dCICSI
μ	0.0324	0.0547	0.0354	0.0127
α	0.1200^***	0.1303^***	0.1096^***	0.1123^***
β	0.8202^***	0.8664^***	0.8932^***	0.8298^***
γ		-0.0927^***	-0.0771^***	-0.0142
m	0.9785^***	1.0175^***	0.7053^***	1.0980^***
$θ_{1}$	0.0056^***	0.0054^***	0.0054^***	0.0047^***
$ω_{12}$	5.6940^***	6.0913^***	4.2444^***	1.8970^***
$θ_{2}$		-0.0543^**	1.0934	-0.0154^**
$ω_{22}$		1.2267^***	1.0000^**	1.6951^***
$θ_{3}$				0.1181
$ω_{32}$				3.3012^**

注：在模型（3）中， $ω 22$ =1.000007916；***、**和*分别代表在1%、5%和10%水平上显著

新窗口打开| 下载CSV

模型（1）为已实现波动率的单因子GARCH-MIDAS模型，对应前文模型设计的式（1）、式（4）和式（5）；模型（2）和模型（3）分别为加入经济政策不确定性和投资者情绪的双因子GARCH-MIDAS模型，模型（2）对应前文模型设计的式（1）、式（9）和式（12），模型（3）对应前文模型设计的式（1）、式（9）和式（13）；模型（4）为同时加入经济政策不确定性和投资者情绪的多因子GARCH-MIDAS模型，对应前文模型设计的式（1）、式（9）和式（14）。从短期成分看，模型（1）的 $α$ 、 $β$ 参数均是显著的，说明ARCH效应和GARCH效应显著，短期波动表现出强烈的波动聚集效应； $α + β < 1$ ，满足模型稳定的要求，且值接近于1，说明条件方差的持续性很强。模型（2）、模型（3）和模型（4）的短期波动成分由GJR-GARCH方程拟合， $α + 0.5 γ + β$ 均接近于1，反映出黄金价格具有较强的波动持续性； $α$ 和 $β$ 均在1%水平上显著为正，表明黄金价格短期波动有聚集性，正向冲击能够增大黄金价格的短期波动。模型参数 $γ$ 的估计值均小于0，说明我国黄金现货中存在冲击的非对称性，但不存在杠杆效应。4个模型的参数 $α$ 均略大于0，表明正向冲击对黄金价格波动的短期影响是有限的；参数 $β$ 接近于1，表明黄金价格的短期波动在很大程度上会受到前期波动的影响，短期波动具有较强的记忆性和持续性。

从长期成分看，MIDAS的结果刻画了对黄金价格波动的长期影响。模型（1）已实现波动率的 $θ_{1}$ 参数显著为正，证实了RV对黄金价格波动的正向影响，当月已实现波动率增大时，下月的波动率长期成分也升高。模型（2）和模型（4）加入经济政策不确定性后 $θ_{2}$ 显著为负，表明黄金价格的长期波动与经济政策不确定性变化呈负向关系，即当该月的经济政策不确定性变化增大时，下月黄金价格波动率的长期成分下降。宏观环境越动荡，未来长期黄金价格越稳定，可能的原因是：在经济政治环境变化大的情况下，投资者遵循Max-Min准则，会考虑最坏的情形，为规避可能出现的风险，投资策略更加谨慎（Gulen et al.，2016），不会轻易做出买卖黄金的选择（梁超等，2022）；这也符合Bernanke（1983）提出的观点，即当经济政策的波动性较大时，企业和投资者通过增加等待时间，获得更多的信息。在模型（3）和模型（4）中，投资者情绪变化的 $θ$ 系数［模型（3）中 $θ_{2}$ 和模型（4）中 $θ_{3}$ ］为正且不显著，表明投资者情绪波动对我国黄金价格的冲击较弱，在月度内就会被市场消化吸收，短期内会影响黄金价格的波动，但对未来黄金交易不会造成长期影响，符合Aggarwal et al.（2014）提出的观点。4个模型的 $ω$ 估计结果均大于1，说明权重函数 $φ_{k} (ω)$ 为递减函数，即距离当前时间越近，经济政策不确定性和投资者情绪变化对黄金价格波动的影响越大。

（2）分样本的GARCH-MIDAS回归分析

经济政策高不确定性选取经济政策不确定性指数较高部分，此环境下的经济政策变化更为频繁，对研究有一定的学术价值和现实意义。分样本参考Jin et al.（2019）的做法，选取大于CEPU中位数的样本作为经济政策高不确定性样本，根据信息准则确定滞后期，表3中的模型（5）和模型（6）数据反映了经济政策高不确定性环境下GARCH-MIDAS回归情况。

表3 分样本的GARCH-MIDAS模型估计及稳健性检验结果

Table 3 Estimation results of GARCH-MIDAS model by sample and results of robustness test

参数	参数值
参数	模型（5） RV+ dCEPU	模型（6） RV+dCICSI	模型（7） RV+dGEPU
μ	0.1121^*	0.1000^*	0.0473
α	0.1942^***	0.1545^***	0.1268^***
β	0.8168^***	0.8435^***	0.8795^***
γ	-0.1348^**	-0.1096^***	-0.0916^***
m	1.1908^***	0.9516^***	0.9027^***
$θ_{1}$	0.0050^***	0.0048^***	0.0055^***
$ω_{12}$	1.8622^***	1.0000^*	4.5356^***
$θ_{2}$	-0.0245^***	0.5084^***	-0.0108^*
$ω_{22}$	1.5658^***	1.8491^***	13.9273^***

注：***、**和*分别代表在1%、5%和10%水平上显著

新窗口打开| 下载CSV

相比全样本的回归结果，在经济政策高不确定情况下，经济政治环境变化对黄金价格波动的长期影响在1%水平上显著，显著性提高；投资者情绪变化对黄金价格波动的长期影响也由不显著变为显著，即在经济政策高不确定性情况下，投资者情绪变化越大，黄金价格波动越明显。这也符合风险规避和期望理论，在经济政策更不稳定的环境中，投资者密切关注经济政策动向，并通过调整黄金等各类资产投资比例，期望规避损失，实现资产保值增值。

2.4 稳健性检验

我国黄金价格不仅受我国经济政策不确定性的影响，而且受全球经济政策不确定性的影响，许多学者使用全球经济政策不确定性指数（GEPU）开展了相关研究（梁超等，2022）。因此，本研究将经济政策不确定性的代理变量替换为全球经济政策不确定性指数（GEPU）进行稳健性检验。实证结果如表3模型（7）所示，替换代理变量后各变量实证结果与前文实证结果基本一致。除此之外，前文中经济政策高不确定性分样本［表3中模型（5）和模型（6）］回归的参数符号与全样本一致，也从另一个角度证明了前文回归结果的稳健性。

3 结论

了解黄金价格波动特征及其与影响因素的相关性是制定经济政策的重要一环，也是投资者制定投资计划的重要依据。本研究基于风险规避和期望理论，将经济政策不确定性和投资者情绪纳入统一分析框架，以2011—2021年数据为样本，使用高频的黄金价格日度数据和低频的CEPU、CICSI月度数据进行研究。为防止数据加工导致有效信息遗失，利用混频模型进行研究。结果表明：（1）黄金价格波动具有自相关性，且长期系数为正，即前期的黄金价格波动会对未来价格波动产生正向影响。（2）黄金价格波动在短期内会受到政治经济波动和投资者情绪波动的影响，正向冲击会增大黄金价格波动；从长期来看，经济政策不确定性变化对黄金价格波动产生负向影响，而投资者情绪对黄金价格波动的长期影响不显著。此外，时间越长，经济政策不确定性和投资者情绪对黄金价格波动的影响越小。（3）在经济政策高不确定性情况下，投资者情绪变化对黄金价格波动的长期影响较为显著，投资者情绪变化越大，黄金价格波动越明显。

基于上述研究结论，得到如下启示：（1）从黄金价格角度来看，黄金价格波动具有自相关性。因此，政策制定者和市场参与者进行黄金价格预测时，可以将前期的价格波动情况作为预测的关注点之一，以便更好地掌握黄金市场行情。此外，应重视黄金价格波动较大的时期，以免引发更大一轮的市场波动。（2）从经济政策角度来看，经济政策变化会对黄金价格产生显著影响。因此，要加强宏观政策协调配合，保持政策的稳定性和持续性，加大监管力度，避免引起金融市场的大幅波动。同时，发挥国家储备和商业储备联动优势，调整储蓄品种和库存，以防范重大事件或极端情况对我国经济社会的不良影响。（3）从投资者角度来看，投资者可以改善投资结构，提高投资素质。尤其是在经济政策波动较大的环境下，投资者要做好理性投资。金融市场要提升公开性和透明度，使市场信息能够便捷且迅速地传递，降低信息非对称程度。

中国黄金报）

http://www.goldsci.ac.cn/article/2022/1005-2518/1005-2518-2022-30-6-891.shtml

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[]

Aggarwal

， Lucey

B M

， Connor F A

，2014.

Rationality in precious metals forward markets：Evidence of behavioural deviations in the gold markets

［J］.Journal of Multinational Financial Management，25/26：110-130.

[本文引用: 3]

Aguilera

R F

， Radetzki

，2017.

The synchronized and exceptional price performance of oil and gold：Explanations and prospects

［J］.Resources Policy，54：81-87.