疫情冲击与政策对冲下的黄金投资价值

1、内容目录 HYPERLINK l _TOC_250019 引言 4 HYPERLINK l _TOC_250018 新冠疫情对全球影响仍在扩大 4 HYPERLINK l _TOC_250017 美国作为全球最大经济体目前疫情形式也最为严峻 7 HYPERLINK l _TOC_250016 基于金价的短期预测模型 8 HYPERLINK l _TOC_250015 基于 VEC 框架的优化改进 9 HYPERLINK l _TOC_250014 VEC 宏观模型优势及构建框架 9 HYPERLINK l _TOC_250013 VEC 模型相比 DSGE 等模型更适合衡量冲击与调控对经济体的

2、影响 9 HYPERLINK l _TOC_250012 模型数据预处理及框架 10 HYPERLINK l _TOC_250011 VEC 模型具体实施步骤 12 HYPERLINK l _TOC_250010 模型结果以及回测优化 13 HYPERLINK l _TOC_250009 类比美股历史高波动时期：冲击下的金价波动 14 HYPERLINK l _TOC_250008 美国 1929 年大萧条复盘：极端市场波动下的类比 15 HYPERLINK l _TOC_250007 危机之时的宏观指标变化与国家政策应对手段 17 HYPERLINK l _TOC_250006 如何定量化疫

3、情冲击对经济的影响 18 HYPERLINK l _TOC_250005 经济生产活动方面的影响：美国工业总体产出指数 19 HYPERLINK l _TOC_250004 失业率层面影响：美非农就业人数 20 HYPERLINK l _TOC_250003 国债利率层面影响：美国债长端利率 21 HYPERLINK l _TOC_250002 货币政策层面影响：美国 M2 水平 22 HYPERLINK l _TOC_250001 国内黄金配置情况：ETF 规模快速扩大，FOF 配置较少 23 HYPERLINK l _TOC_250000 风险提示 25图表目录图 1：新冠疫情感染人数（数

4、据截至 2020.06.05） 5图 2：服务业生产指数与社会消费品零售总额 5图 1：纺织、汽车、金属制品工业增加值 5图 4：美国、欧盟制造业和服务业 PMI 6图 5： 全球机场 4 月份旅客吞吐量 6图 6：美国疫情发展（数据截止 2020/06/04） 7图 7：美国新冠累计死亡率和治愈率（数据截止 2020/06/04） 7图 8：美国国债收益率 7图 9：全球主要股市指数 7图 10：大类资产预期收益预测模型针对黄金金价分布预测逻辑图 8图 11：大类资产预期收益预测模型下金价短期走势判断 9图 12：非农就业人数以及伦敦金价格走势（非农就业人数近期出现大幅波动） 11图 13：

5、金价对应的宏观因子（美工业总体产出指数开始出现大幅下滑） 11图 14：宏观指标协整关系检验 12图 15：黄金价格预测结果滞后不同期数时预测精度存在差别 13图 16：预测黄金价格走势与真实历史走势对比 14图 17：黄金价格未来走势 14图 18：美国股指（道指）历次大跌对比 15图 19：大萧条期间美股历史复盘 16图 20：新冠疫情冲击下的美股走势复盘 16图 21：美工业生产与就业指标疫情冲击下出现大幅波动 18图 22：美国债长期收益率与 M2 同样在冲击下大幅波动 18图 23：美工业总体产出指数波动对黄金价格带来的冲击 19图 24：美非农就业人数波动对黄金价格带来的冲击 20

6、图 25：美国债长端收益率波动对黄金价格带来的冲击 21图 26：美 M2 波动对黄金价格带来的冲击 22图 27：上海金 ETF 快速扩容 24表 1：经济系统中输入的宏观因子 10表 2：VEC 模型构建流程 12表 3：2016 以来美联储加息/降息盘点 17表 4：国内黄金 ETF 基金基本情况（净值截至 2020 年 5 月 31 日） 23表 5：黄金 ETF 与上海金 ETF 主要区别 24表 6：国内 FOF 中黄金配置情况（2019 年四季报） 25表 7：国内 FOF 中黄金配置情况（2020 年一季报） 25引言目前来看新冠疫情似乎暂时得到了控制，但近乎 660 万人存量

7、确诊患者以及仍在持续增加的新增患者，对全球的影响仍在逐渐扩大，整个国际局势更加纷繁复杂。一方面，随着全球经济增速持续面临下行压力，叠加疫情影响，各地生产、消费大幅减缓，供应链严重受阻，2020 年一季度经济大幅下滑，IMF 也宣布全球经济开始进入衰退，以美联储为首的全球央行不得不开启了货币宽松政策，也在一定程度上提升了存量资产的风险偏好，同时各国央行长期增持黄金储备。另一方面，美国作为全球经济的领头羊，同时也是新冠疫情感染人数最多的国家，疫情对美国经济的抑制作用不可忽视，资产负债率、失业率等多项经济指标出现大幅波动。近期又因为白人警察执法致死引起的全美大规模骚乱事件，其经济状况波动有进一步加大

8、的趋势。从研究黄金价格走势的角度，美国经济体的多项经济指标对金价未来走势具有非常重要的影响。而黄金定价本来就是相当复杂一件事情，多因素的扰动使得金价的走势越发变得难以捉摸。本 文我们一方面试图借助计量模型在上一篇专题的基础上，对金价未来的短期（未来一至两个季 度）走势进行判断，另一方面希望研究市场，尤其是美国市场大幅波动之时，高度波动的宏观 因子对金价可能会造成的冲击。本篇文章主要分为三大部分：我们首先对疫情在全球扩散的程度做了梳理，也回顾了疫情冲击对各国经济以及资本市场带来的影响。美国疫情最为严重同时也是全球最大经济体，其经济情况变化与黄金走势最相关的因子具有强关联性，作为本文探究的主要对象

9、。第二部分，我们主要借助优化之后大类资产预期收益模型，对金价未来短期维度（一到两个季度）的走势进行了判断，做了定量化的分析。随后对美国市场历次大幅波动情况梳理，选取极端情况下（大萧条时期）的背景环境并结合当前经济情况，总结共性大幅波动因子。然后借助脉冲响应分析的框架探究这些发生高波动的且与金价强关联的因子会对金价未来走势产生什么样的影响。第三部分，我们上篇专题的基础上进一步对市场上的黄金配置工具的情况，以及机构投资者对黄金的配置情况进行了梳理。黄金 ETF 的规模在迅速扩大，而 fof 产品对黄金 ETF 的配置仍相对较少。新冠疫情对全球影响仍在扩大新冠疫情感染人数仍在持续增加，对全球经济影响

10、仍在加大。自新冠病毒 3 月份在海外爆发以来，虽然目前多国已经全面升级隔离措施和防疫手段，疫情的增长虽渐趋平稳，但是全球已经累积了大量的感染人群，随着各个国家开始恢复生产复工，疫情未来仍有二次爆发的可能，全球防疫需持续警惕。截止到 6 月 5 日，海外累计确诊病例超过 660 万人，累计死亡接近 39 万人，每日新增病例虽进入平缓期，但仍接近 10 万人。美国疫情发展处于高峰期，确诊人数达 187 万居于全球首位；欧洲疫情形势虽然目前没有进一步扩大，但西班牙、意大利、法国仍有较庞大规模感染人群；亚洲国家中土耳其累计确诊超过 16 万人，伊朗累计确诊接近 16 万人；新兴市场国家中，俄罗斯地处亚

11、欧大陆，增长十分迅速，累计确诊超过 44 万人，目前处于确诊人数全球第三，而巴西累计确诊超过 58 万人，累计死亡占累计确诊人数超 5%，确诊人数位于全球第二。图 1：新冠疫情感染人数（数据截至 2020.06.05）资料来源：JHU，西部证券研发中心中国经济内需受到冲击，经济复苏面临全球供应链冲击目前中国疫情已经得到了有效遏制，但疫情仍对国内经济带来了巨大的冲击。4 月各方面数据出现一定好转，但是 3 月份中国社会消费品零售总额当月同比下降 15.8%，房地产开发投资完成额累计同比下降 7.7%，虽然与 2 月相比有所改善，但消费整体表现仍显疲软。国内餐饮业 3 月收入同比下降达 46.8%

12、，与 2 月份同比相比仍下降了 3 个百分点，四月数据出现好转迹象。虽然中国国内的经济复苏正在有序进行，但中国作为“世界工厂”，进出口总额占 GDP 比重超过 30%，中国汽车制造业、金属制品、机械和设备修理业等行业十分依赖全球供应链的供给，海外供应商的停工在短期内会对这些企业的生产活动造成较大影响，而纺织业、服饰业等轻工业受海外需求影响较大，在当前内需和外需的双重疲软下可能面临较大的现金流压力，同时中美贸易摩擦又再起波澜。海外疫情的蔓延和全球供应链的冲击为中国经济复苏蒙上了一层不确定性。图 2：服务业生产指数与社会消费品零售总额图 3：纺织、汽车、金属制品工业增加值%20100-10-20-

13、30-40-50服务业生产指数:当月同比社会消费品零售总额:餐饮收入:当月同比社会消费品零售总额:商品零售:当月同比%3020100-10-20工业增加值:纺织服装、服饰业:当月同比工业增加值:汽车制造业:当月同比工业增加值:金属制品、机械和设备修理业:当月同比2018-022018-082019-022019-082020-02-302018-032018-092019-032019-092020-03资料来源：WIND，西部证券研发中心资料来源：WIND，西部证券研发中心欧洲疫情离拐点仍有一定距离2 月底意大利疫情的快速恶化成为了欧洲疫情爆发的导火索，欧盟一体化导致欧洲国家之间资源和人口的

14、流动十分频繁，欧洲成为了疫情最严重的地区之一。意大利、西班牙、德国、法国、英国的累计确诊感染人数均在 18 万人以上，英国已超 28 万。俄罗斯病例增长十分迅速，确诊人数已经居于全球第三，日新增目前稳定在 8000 例（6 月 5 日）仍在持续增长。欧洲多国新冠累计死亡率在 10%以上，这说明了一方面有较多的潜在感染病例还没有得到有效的检测，另一方面是医疗系统存在一定程度的挤兑。总体来看，欧洲疫情形势虽然新增感染人数没有进一步扩大，但是存量感染人群依然使得欧洲本就不景气的经济更加严峻。亚洲疫情严峻，中东国家增长迅速除中国外，截至 6 月 5 日亚洲有 12 个国家累计确诊超过 2 万人，分别是

15、印度、土耳其、伊朗、沙特阿拉伯、巴基斯坦、卡塔尔、孟加拉国、阿联酋、新加坡、科威特、印度尼西亚、菲律宾。土耳其地处亚欧交界处，累计确诊人数超过 16 万人，日新增从最高时期的 5138 人下降为 988人；伊朗累计确诊也超过 16 万人，日新增确诊接近 3500 人。印度累计确诊超过 22 万，日新增病例接近一万。沙特阿拉伯、阿联酋、卡塔尔近期增长十分迅速，有进一步恶化趋势，新加坡和日本作为最早发现确诊病例的国家之一，但之后对疫情控制相对较好。随着全球疫情仍在扩散，亚洲基础卫生医疗相对较差，面临疫情二次爆发的风险也相对较高。全球经济陷入“停滞”，美欧制造业、服务业 PMI 大幅度下滑目前在全球

16、经济中占据重要影响地位的经济体均爆发了严重的疫情，美国、欧洲、日本等多个国进入国家紧急状态，疫情导致全球范围内越来越多的企业停工，交通运输、人员流动也受到了很大的限制，全球经济正陷入前所未有的“停滞”中。经济全球化使各国经济高度相互依存，全球范围内的交通运输和人员流动保证了全球供应链的顺利运行，疫情对全球供应链中产品的制造、运输以及商品需求造成巨大的冲击，特别是对半导体、机械、汽车、通信设备这些产业链长、全球化分工较为明确的产业。随着疫情在海外进一步发酵，美国和欧洲国家纷纷按下了 “经济暂停键”，根据美国和欧盟最新发布的制造业和服务业 PMI 数据，美国 4 月份制造业和服务业 PMI 环比分

17、别下降 23.92%、32.16%，欧元区 4 月份制造业和服务业 PMI 环比分别下滑 24.5%、55.68%，图 4：美国、欧盟制造业和服务业 PMI图 5： 全球机场 4 月份旅客吞吐量欧元区:制造业PMI欧元区:服务业PMI美国:Markit制造业PMI:季调美国:Markit服务业PMI:商务活动:季调6050403020100本月值去年同期同比减少（右）70700000060000005000000400000030000002000000100000002015-032015-072015-112016-032016-072016-112017-032017-072017-11

18、2018-032018-072018-112019-032019-072019-112020-03希斯路机场法戴仁樟兰高川宜克乐机机福机场场机场场100%99%99%98%98%97%97%96%96%香港国际机场美国作为全球最大经济体目前疫情形式也最为严峻截止 6 月 5 日，美国累计确诊 187 万人，每日新增目前稳定在 2 万人左右，累计死亡人数与累计确诊人数比率在 5.78%，美国的病例约占全球病例的三分之一，每日新增人数居于全球首位且仍未出现明显下降趋势，美国仍处于疫情的高峰期。美国的行政体制导致美国权力系统分散，难以实现高效的防疫，从 3 月 21 日开始，美国累计死亡人数迅速攀升

19、，比率从 1%持续上升至 5%，结合目前美国新增病例的趋势和整体医疗系统承受的压力，累计死亡比率有可能会进一步上升。在加上近期美国为了经济复苏而逐渐复产复工，以及弗洛伊德之死引发的全美暴力骚乱事件，进一步加剧疫情二次扩散的危险，也加大了美国经济的不确定性。图 6：美国疫情发展（数据截止 2020/06/04）图 7：美国新冠累计死亡率和治愈率（数据截止 2020/06/04）美国:确诊病例:新冠肺炎:累计值2500000200000015000001000000500000美国:死亡病例:新冠肺炎:累计值美国:治愈病例:新冠肺炎:累计值美国:确诊病例:新冠肺炎:当日新增（右）40,00035,

20、00030,00025,00020,00015,00010,0005,0000.40.350.30.250.20.150.10.050累积死亡/累积确诊累积治愈/累积确诊002020-01-212020-03-212020-05-212020/1/212020/3/212020/5/21资料来源：WIND、西部证券研发中心资料来源：WIND、西部证券研发中心新冠疫情导致全球金融市场大幅波动尽管疫情已经在逐渐得到遏制，但是本次新冠疫情仍对金融市场形成了巨大冲击。实体经济停滞导致各国家庭和企业部门出现较大的流动性压力，加上疫情发展的不确定性、石油价格的变化等问题，全球股市、债市和大宗商品市场都经历

21、了断崖式下跌，VIX 恐慌指数一度达高达 80，是 08 年次贷危机时期的两倍。为缓解疫情带来的流动性压力和金融市场恐慌，各国央行开始了大规模的量化宽松政策。美联储出台了一系列资产购买计划，美元流动性压力暂时得以缓解，但是美联储的资产负债表急剧扩张至 7.21 万亿美元，美联储的货币政策空间已十分有限。当前全球金融市场仍处于不断的动荡中，虽然多国市场出现了反弹，但是未来走势仍有压力。图 8：美国国债收益率图 9：全球主要股市指数32.521.510.50美国:国债到期收益率:3个月美国:国债到期收益率:3年 美国:国债到期收益率:10年30000250002000015000100005000

22、日经225英国富时100标普500（右）上证指数（右）法国CAC40德国DAX7,0006,0005,0004,0003,0002,0001,0002019-01-022019-06-022019-11-022020-04-02002005/2/282009/2/282013/2/282017/2/28美国是目前疫情最为严重的国家，也是全球第一大经济体，其经济状况所受疫情冲击的程度，对我们判断全球整体经济状况的变化至关重要，同时美国各项经济指标与黄金走势具有较强相关性。文章后面部分主要通过定量化的方式，在美国经济指标波动的基础上对金价未来短期走势进行判断，并衡量美国市场上与金价强相关因子的波动

23、对未来金价造成的影响。基于金价的短期预测模型在上一篇的专题中，我们按照长短期的维度讨论了影响黄金价格的六大因子，两大短期因子分别是 VIX 指数、美元指数，长期维度四个因子分别是美国国债实际利率、通胀预期、美国 M2/GDP 以及黄金本身的供需缺口。所以我们可以看到黄金的影响因子几乎都为美国经济或者金融体系下的指标，也可以认为黄金的定价主要受到美国经济的影响。同时也提出了针对金价相对长期（十年期左右）变化趋势的计量模型，而金价相对短中期的价格变化也是投资者关注的重点。所以在金价的短期预测方面，我们也试图去做一些探讨，通过长期、短期相结合的综合维度来给出金价未来最可能的走势。短期走势判断方面，采

24、用的是我们在大类资产配置专题一、二中提出大类资产预期收益预测模型，模型的核心逻辑是运用了 VAR 模型并结合蒙特卡洛模拟，最终以分布的形式给出金价最可能的走势。图 10：大类资产预期收益预测模型针对黄金金价分布预测逻辑图VAR+Monte Carlo经济增长因子金融因子利率因子通胀因子伦敦金价格因子伦敦金价格收益分布资料来源：西部证券研发中心保持与专题一二中宏观因子相同，具体包括：美国工业生产指数制造业当月同比； PCE； 美国非农就业人数总计季调 ；美元指数 ； 美企业债（AAA）1 年期； 美国债到期收益率 1年、10 年。我们对伦敦金价格从 2020 年 3 月底至 2021 年 1 月

25、底的价格使用原模型进行预测，选取历史数据区间为 2008/12/31-2020/03/31，原始数据输入频率为月频。从下图中我们可以看到，根据中短期预期收益模型预测结果，伦敦金价格短期延续涨势至2020 年7 月底达到1857左右，波动范围在17551960；随后截至 20201231 金价将逐步回落至 1751 左右，波动范围在15931908。图 11：大类资产预期收益预测模型下金价短期走势判断黄金价格走势（-）YSTD（+）YSTD20001900180017001600150014001300120011002017/8/1 2018/1/1 2018/6/1 2018/11/1 20

26、19/4/1 2019/9/1 2020/2/1 2020/7/1 2020/12/1资料来源：wind，西部证券研发中心基于VEC框架的优化改进在以往大类资产预期收益模型的基础上，我们在本篇主要从两方面进行改进，其目的自然是为了进一步提高黄金价格未来走势的预判精度：一是对黄金所对应的宏观输入指标做进一步的筛选和检验；二是对模型本身做进一步的优化，在 VAR 的基础上我们本篇使用 VEC 模型进行运算。除了对金价走势进行研判之外，我们也希望探究在市场高波动情况下，各类冲击对金价走势可能的影响。当前在新冠疫情的影响下，全球经济都受到大幅影响，美国作为最大经济体同时目前也是新冠疫情感染情况最为严重

27、的国家，为了对冲疫情风险，美国政府也采取诸多措施，所以我们也试图通过定量化的模型，研究在冲击与“政策”交相影响下，对金价未来中短期走势的影响。VEC宏观模型优势及构建框架为了衡量经济系统中冲击以及政策调节带来的扰动，常用的量化处理方式有动态随机一般均衡模型（DSGE）、向量误差修正模型（VEC）。DSGE 模型试图利用从微观经济学原理衍生的宏观经济模型解释总体经济行为，如增长、商业周期、货币和财政政策效应。而且 DSGE 模型是动态的，其研究经济如何随时间变化；也是随机的，模型考虑了随机冲击的影响，包括技术变化和价格波动。VEC模型相比DSGE等模型更适合衡量冲击与调控对经济体的影响相比较而言

28、动态随机一般均衡模型（DSGE）更具理论依赖性，其高度依赖经济学理论，而不是依赖于历史相关性，所以模型的构建过程较为繁琐，较难求解并且维护成本高，二来其假设过强使得对先验逻辑的要求极高，预测实际效果在学术界也受到一定质疑，相比之下更依赖的数据 VEC 模型利用历史数据估计不同经济部门变量之间的关系，通常更容易实现、分析和解释。所以我们最终使用 VEC 模型，来衡量宏观经济系统变化，并最终关联到金价层面。向量误差修正模型（VEC）模型也被称为协整向量自回归（VAR）模型（Ender1995)，可以理解为：一个时间序列预测的误差方差是自身扰动及系统其他扰动共同作用的结果。所以 VEC 模型是基于

29、VAR 模型的改进型。而对于 VAR 模型，作为 2011 年诺贝尔经济学奖获得者之一，Sims 的获奖理由就是开创性地利用 VAR 模型对宏观经济中的因果关系进行了实证研究，并对实证宏观计量经济的发展做出了重要贡献。与早期的结构性模型比较，VAR 模型的优点在于：第一，不以严格的经济理论为依据，而是让数据关系说明一切；第二，解释变量中不包括任何当期变量，只要样本足够大，就不存在因参数过多产生模型不可识别的问题；第三，无需事先区分变量的外生性和内生性。VAR 模型主要用来处理平稳性数据，传统的理论要求对于非平稳的时间序列经过差分再建立 VAR 模型，这样通常会损失掉许多信息，同时也会使得分析结

30、果难以得到解释，但只要各变量之间存在协整关系也可以直接建立 VAR 模型。 Engle 和 Granger 将协整与误差修正模型结合起来，建立了向量误差修正模型（VEC），可以较好地克服 VAR 模型的不足，这也是本位采用 VEC 模型的重要原因。模型数据预处理及框架首先需要确定数据源，即确定输入宏观变量。我们在大类资产配置专题一和二中对黄金这一类资产的预期走势也做了测试和研究，找到了对应的一批宏观因子，而本节我们在专题一二模型的基础上进一步优化，对黄金资产对应的宏观指标输入变量进一步筛选，即确定输入宏观变量，进一步提高模型的拟合度。宏观因子选取的矛盾在于大家都知道黄金价格的影响因素颇多，自然

31、是希望采纳尽可能全面的因子，而过多的因子又会使得 VAR 模型因参数过多而不够稳定。本节采取的优化，为了提高模型精度防止参数过多导致的“伪拟合”问题，在因子数量上做了进一步的精简。最终选定的宏观因子如下表所示。表 1：经济系统中输入的宏观因子序号宏观因子频率起始日1美国工业总体产出指数：季调月1919/012美个人消费物价指数：季调月1959/013美国非农就业人数总计季调月1939/014美元指数日1971/01/045美国债到期收益率 10 年日1953/04/306美国：M2（十亿）月1959/017伦敦金价格日1920/01/30资料来源：wind,西部证券研发中心其中，我们仍旧使用“

32、资产因子”的理念把伦敦金价格也作为一类因子，与宏观因子放到一起，借助大类资产预期收益预测模型的框架进行分析。其优势我们在专题一二中都做过详细阐述，主要在于直接构建起来宏观因子到资产标的之间的映射关系，不需要再通过回归等拟合方式而导致模型损失精度。所有数据我们均选用月度频率，时间选取维度上选取尽可能长的历史数据，区间为 1971/01/312020/05/31，并对除了利率以外的价格类数据，取对数处理。图 12：非农就业人数以及伦敦金价格走势（非农就业人数近期出现大幅波动）160000150000140000130000120000110000100000900008000070000美非农就业

33、人数总计伦敦金价格（右）20001800160014001200100080060040020001971/1/1 1977/3/1 1983/5/1 1989/7/1 1995/9/1 2001/11/1 2008/1/1 2014/3/1资料来源：wind，西部证券研发中心图 13：金价对应的宏观因子（美工业总体产出指数开始出现大幅下滑）美国工业总体产出指数PCE美元指数美国国债到期收益率10年（右）1801816016140141201210010808606404202001971/1/1 1976/7/1 1982/1/1 1987/7/1 1993/1/1 1998/7/1 200

34、4/1/1 2009/7/1 2015/1/1资料来源：wind，西部证券研发中心因为美国疫情爆发情况相对中国滞后，所以对经济各项指标的冲击，主要表现在 2020Q1 之后，从 2019 年 4 月份美国工业总体产出指数以及美国非农就业人数所下滑的幅度可见一斑，而在使用计量模型进行判断时，大部分需要依赖于长期数据所总结出的历史性规律。回顾美股历史，新冠疫情带来的冲击可视为“历史”级别冲击，所以带来的数据突变往往会对基于 VAR 体系的计量模型带来较大的干扰，而市场受冲击的程度及表现，又是投资者不得不去研究和考量的内容。所以也凸显了下一章节中使用脉冲响应的方式探究因子大幅波动而影响金价的必要性。

35、数据处理完成后，VEC 模型的构建思路，主要分为两大部分：一是估计宏观因子数据间的协整关系。而对于多个变量的协整关系的判断，通常采用 Johansen 法。对于非平稳时间序列，协整秩（r）是平稳独立线性组合的个数，可以粗略地解释为中长期均衡关系的个数。换言之，尽管各个宏观因子分开来看序列是非平稳，但它们的各种线性组合是平稳的。平稳独立线性组合的个数为协整秩，对应的平稳线性组合为协整关系。第二步骤，与常见的 VAR 模型不同的是使用了上一步中的协整关系作为预测因子，也正是因为这个预测因子也作为一个因子添加到了 VAR 模型中，也通常被称为 VARX。具体的构建步骤如下表所示：序号模型具体构建流程

36、表 2：VEC 模型构建流程确定模型的滞后长度（P），P 代表初始化模型所需的预采样响应数确定协整秩（r）确定一个最佳数据确定性项的协整模型估计一个无约束的 VARX 模型作为基准模型确定并对 VARX 模型的参数施加适当的约束，包括常数、回归系数和自回归系数资料来源：西部证券研发中心VEC模型具体实施步骤首先指定 VEC（P-1）模型的滞后长度（P）。一般是采用穷举法，从较小整数带入模型逐一检验。常用 AIC 或者 BIC 法则，选取对应数值较高的滞后项阶数，运算之后 P=2 作为滞后项时，相比其他阶数已经具有较高的 AIC 和 BIC 数值，所以我们选定模型滞后阶数为 2。在符合 AIC

37、或 BIC 标准的前提下，选取低滞后阶的好处是模型参数较少。因为无约束 VEC 模型参数与滞后阶数是平方关系，本例中每一个附加滞后都需要估计额外的 7*7=49 个参数，因此低滞后阶可以减轻过度参数化的影响。其次主要是确定宏观变量之间协整关系。因为宏观因子数据都清楚地显示了时间趋势，所以可以由两种包含线性时间趋势的 Johansen 参数模型中的任何一种来检验原始数据的协整阶数。这两种形式中使用更普遍的是 Johansen H*模型，其中常数不受限制，但是模型的协整关系中会包含时间关系；第二个模型是 Johansen H1 模型，其中模型常数也不受限制，但协整关系不包含时间趋势。我们在确定协整

38、秩的过程中，综合考虑这两种方法，最终确定模型的协整秩为 4，协整情况如下图所示：图 14：宏观指标协整关系检验资料来源：wind，西部证券研发中心上图表明，尽管在部分经济衰退前后（图中使用阴影标注）出现了波动和突变的时期，但协整关系是近似平稳的。模型结果以及回测优化在模型计算优化的过程中我们发现，模型中选用的七个指标当中六个为宏观指标，一个指标为伦敦金价格序列，宏观指标的更新存在一定延后性，金价则为同步指标。而且资产价格走势往往代表着投资者预期，一定程度上也会领先于宏观指标的走势。所以我们对金价预测值进行调期处理，避免金价可能出现的领先现象，进一步提高模型预测精度。下图中我们以月为最小单位进行

39、调期回测计算，红色柱状图代表的预测偏离度，表示预测值与对应真实金价之差与真实金价的比值。金价的预测值与真实值的偏离度在不同调期程度下具有较为显著的不同，我们在后面的最终结果中也进行了调期处理，选取回测最为稳健的调期数值作为最优参数。图 15：黄金价格预测结果滞后不同期数时预测精度存在差别黄金预测偏离度黄金预测偏离度(预测值滞后一期)黄金预测偏离度(预测值滞后二期)黄金预测偏离度(预测值滞后三期)30%20%10%0%-10%-20%-30%2014/1/1 2014/10/1 2015/7/1 2016/4/1 2017/1/1 2017/10/1 2018/7/1 2019/4/1 2020

40、/1/1资料来源：wind，西部证券研发中心为了对模型的预测精度进行检验，我们使用从 2014 年 1 月开始的数据，对模型预测情况进行回测检验，每次回测时使用最新数据对未来一个季度末的金价进行计算，并与一个季度后真实金价进行比较，来判断模型预测情况的好坏，在预测过程中我们进行了调期处理。下图中红线代表预测值，灰线代表真实值。红色柱状图代表的预测偏离度，表示预测值与对应真实金价之差与真实金价的比值。回测一共进行 73 次，其中仅有一次，预测偏离度的绝对值大于 10%，所有偏离度的均值在-0.7%，总体来看模型的预测精度较为准确。图 16：预测黄金价格走势与真实历史走势对比1800黄金预测偏离度

41、(右)黄金预测值伦敦金现货30%160020%140010%12000%1000-10%800-20%600-30%2014/1/1 2014/11/1 2015/9/12016/7/12017/5/12018/3/12019/1/1 2019/11/1资料来源：wind，西部证券研发中心模型我们使用月度数据每月会进行更新，在根据最新数据进行计算之后，我们使用从 1971 年月 31 日起至 2020 年 4 月 30 日近 50 年的历史数据，对 2020 年下半年伦敦金价格可能的走势进行预判，预判区间为 2020 年 4 月 30 日至 2020 年 12 月 31 日，从最新数据运算的结

42、果来看，未来一个季度伦敦金价格中枢在 2075，波动范围在2001,2149。而从半年维度来看，金价走势有较大概率在今年下半年突破 2000，波动范围上线接近 2200 点。图 17：黄金价格未来走势黄金价格走势（-）YSTD（+）YSTD240022002000180016001400120010002017/9/12018/2/12018/7/1 2018/12/1 2019/5/1 2019/10/1 2020/3/12020/8/12021/1/1资料来源：wind，西部证券研发中心类比美股历史高波动时期：冲击下的金价波动“你永远都不知道下一秒会发生什么”，通常意义上的小概率事件，在金

43、融市场上却时有发生。不管未来金融市场在新冠疫情的影响下表现如何，都不妨碍我们以史为镜，总结教训，寻找历史规律，从而采取合适的应对手段。随着本次“新冠疫情”在全球扩散开来，对全球经济以及资本市场带来较大冲击，我们对美股历次大跌进行对比。从下跌迅速程度上看，本次下跌或已超过 2008 年次贷危机、2012 年欧债危机，2000 年互联网泡沫破裂，只有 1980 疯狂通胀与加息背景下暴跌和 1929 年“大萧条”之初的走势，能与之相比。所以本节的目的就在于对美股市场历次较大幅度的波动情况进行梳理，总结共性特征，并结合本次疫情的冲击影响，提炼影响金价的重要因子，最后衡量这些因子的大幅波动对金价可能造成

44、的影响。本次疫情影响下调整幅度的深度虽不及 1929 年，甚至是 2008 年，但是进行类比的时候也不妨碍我们选取 1929 年的极端情形进行对比分析。虽然目前推断是否会出现大规模系统性的金融危机还为时尚早，但全球经济短期衰退已是必然。图 18：美国股指（道指）历次大跌对比1929193719731980200020082020110100908070605040121416181101121141161181201221241261281301321341361资料来源：wind，西部证券研发中心所以本节我们以大萧条时期的历史作为对比，研究历史上的极端时期经济体的变化，并结合当前经济指标的变

45、化趋势，对宏观因子大幅波动下模型稳定性进行分析，同时探讨金价可能会受到的影响。美国1929年大萧条复盘：极端市场波动下的类比每一次危机之前，都有一段美好的岁月，大萧条之前也不例外。美国的二十世纪 20 年代，被称为“新时代”或“咆哮的二十年代”，尤其是在经历了第一次世界大战以及之后的经济衰退，美国经济开始经历了由科技引领的快速增长。这段时间正值美国汽车工业的发展，带动了包括石油在内的美国工业体系的建立，同时伴随着美国的消费水平激增，使得整个美国经济得以快速增长。此时，由于美联储还没有走向成熟，联邦储备委员会和地方联邦储备银行的关系仍然十分复杂，甚至有巨大分歧，美联储在这一时期，对货币政策于经济

46、影响的理解自然也没有达到今天这样深刻。同时伴随着经济快速增长的还有美国的股市，从 1919 年 9 月 3 日到 1929 年 9 月 3 日的最高点，道指近十年的涨幅达到 259%，年化收益接近 26%。截至到道指 2020/02/12 的高点，美股近十年的走势也是一波大牛市，从 2010/02/12 开始算起，美股的涨幅高达 191%，近十年年化收益率接近 20%，虽然比当时大萧条之前繁荣时期年化 26%的收益略低，但是近十年的牛市，也给美股积累了较多风险，我们认为这也是近期除了疫情影响之外美股大跌的重要原因之一。图 19：大萧条期间美股历史复盘资料来源：wind，西部证券研发中心图 20

47、：新冠疫情冲击下的美股走势复盘资料来源：wind，西部证券研发中心在 1929 年 10 月以前，华尔街股市出现了持续 7 年左右的繁荣，所有股票价格都节节上升。1929 年 9 月初，一位统计学家预言美国将出现空前规模的大萧条，道琼斯指数即下跌了约 10点；随后，胡佛总统声称美国经济从根本上看是健全的，股市再次大规模攀升，但整个华尔街已笼罩了一种警觉气氛。到 10 月 24 日出现了空前的抛售风潮，一天内有 12,894,650 股股票易手；在 10 月 28 日的“黑色星期一”，股指是大幅下跌 13%；到 10 月 29 日，股市崩溃达到顶点，有 1638 万股股票易手，再跌 22%，再次

48、打破历史记录，损失比协约国所欠美国的战争债还大 5 倍。在此期间，尽管一些金融巨头曾试图挽救股市，比如摩根公司代理人理查德惠特尼曾一举吃进一万股钢铁公司股票等，但无济于事，股市一泻千里。这一持续大幅下跌一直持续到 1932 年中期，历经 34 个月，道琼斯工业指数下跌了 87.4%，跌幅最大的是冶金、机械、汽车、电力、化工等行业股票，跌幅均在 90%以上。纽约的股市暴跌还波及英国、德国、法国、比利时、奥地利、瑞典、挪威和荷兰，引发了一场大规模的、持久的股市下跌风潮。从那时起，世界金融和经济发展陷入了长期的萧条之中。在 1932 年 7 月到达历史低谷后，直到 1954 年才回到了 1929 年

49、的最高水平。实体经济方面，到 1933 年美国国民生产总值由 2036 亿美元降至 1415 亿美元，降幅 30%，企业倒闭 85600家，工业生产降幅 55.6%，进出口减少 77.6%，银行倒闭 10500 家，占总数的 49%，失业率达到 25%。危机之时的宏观指标变化与国家政策应对手段市场出现短期大幅向下波动的情况下，国家为了防止市场快速下跌往往会采取救市措施，采取的措施类型包括推行时点都会对市场产生重要影响，所以我们对美国美联储层面采取的做法进行了对比研究。抛开资产走势，我们看政策层面政府在繁荣期采取的措施对比，也会发现大萧条与当前有很多相似之处。在大幅下跌之前出现的“繁荣期”，美联

50、储为了储备“子弹”，基本都采取了加息操作，从 2016 年底到 2020 年高点之前，美联储进行了 8 次加息，从 0.5%0.75%基点一直到了 2.25%-2.50%基点，而在 2019 年受到外部贸易摩擦等因素对全球带来的负面影响，美联储加息有所缓和，进行了三次降息。这三次连续降息分别发生在 2019 年 7 月，9 月和 10 月，联邦基金利率目标区间下调至目前的 1.5%-1.75%水平，但货币政策仍谈不上宽松。偏紧的货币政策同样对应了大萧条前期的状态，在 1928 年，美联储货币政策也开始收紧，在 1929 年月美联储将利率维持在 5%，而在 1929 年 8 月 8 号美联储则继

51、续加息至 8%，随后在 1929年 9 月美股就开始进入了“大萧条”。表 3：2016 以来美联储加息/降息盘点日期美联储具体操作详情加息/降息2016 年 12 月 14 日美联储决定提升联邦基金利率目标区间 25 个基点至 0.5%0.75%加息2017 年 3 月 16 日美联储将基准利率调升 25 个基点，从 0.5%-0.75%上调至 0.75%-1.0%加息2017 年 6 月 15 日美联储宣布加息 25 个基点，联邦基金利率从 0.75%1%调升到 1%1.25%加息2017 年 12 月 14 日美联储宣布加息 25 个基点，将联邦基金利率从 1%-1.25%调升至 1.25

52、%-1.5%；本次加息为美联储 2008 年金融危机以来第五次加息，也是年内第三次加息加息2018 年 3 月 22 日美联储决定将基准利率上调至 1.50%到 1.75%加息2018 年 6 月 13 日美联储宣布上调联邦基金利率 25 个基点，上调至 1.75-2%;加息2018 年 9 月 26 日美联储(FOMC)将基准利率上调25 基点，从此前的1.75%-2%调高至2%-2.25%加息2018 年 12 月 19 日美联储宣布加息 25 个基点，上调联邦基金利率至 2.25%-2.50%加息资料来源：wind,西部证券研发中心从 1929 年期间政策以及经济结构变化来看，高波动市场

53、期间经济体的经济增长、国民就业与美联储货币投放，是首当其冲的部分，与之对应的宏观指标例如工业生产、失业率以及国债利率等均出现大幅波动。结合当前宏观环境下宏观指标的变化，我们整理的金价模型中的七大指标基本与这三大领域对应，其中的四个因子：美国工业生产指数、非农就业人数、美国国债 10 年期收益率以及美国 M2 体量，从下面两张图直观来看也出现较大幅度的波动，所以我们主要分析这四个指标的大幅波动对金价带来的冲击影响。美国工业总体产出指数美非农就业人数总计（右）图 21：美工业生产与就业指标疫情冲击下出现大幅波动图 22：美国债长期收益率与M2 同样在冲击下大幅波动美国国债到期收益率10年（左）11

54、5110105100959085802016/1/1 2016/12/1 2017/11/1 2018/10/1 2019/9/11550001500001450001400001350001300001250001200003.5美国:M2(十亿)32.521.510.502016/1/1 2016/12/1 2017/11/1 2018/10/1 2019/9/118,00017,00016,00015,00014,00013,00012,000资料来源：wind，西部证券研发中心资料来源：wind，西部证券研发中心如何定量化疫情冲击对经济的影响本节研究高波动市场环境下，即新冠疫情大流行期

55、间，上述四大因子出现大幅波动的背景情况下，对金价走势的影响，所以除了对金价未来走势进行预测，本节主要使用 VEC 框架下脉冲响应分析探究金价的变化趋势。在 VAR 模型的框架下分析单个变量对经济的解释比较困难，通常是观察系统的脉冲响应函数和方差分解。脉冲响应函数描述的是 VAR 模型中的一个内生变量的冲击给其他内生变量所带来的影响。即假设系统处于均衡状态，如果由于某个原因，破坏了均衡，系统对该干扰做出反映，偏离均衡然后恢复均衡，这个过程用脉冲响应函数来描述。脉冲响应函数是度量来自于每个方程的随机误差项的一个标准差新信息冲击时被解释变量的响应程度和持续时间。例如假定某个方程的随机误差项在第 t

56、期发生突变，而后各期重新恢复平静，这时脉冲响应测量表示的是各期（t，t+1，t+2，）的被解释变量对该冲击的反应。我们以 VAR（1）模型为例进行说明： = + 1 + (1)其中 = 12=0 = + ( + 2 + 1) + = + (2)(3)式中1只是影响1而不会影响2的新信息，2只会影响2而不影响1的新信息。为了保证这样的不相关性，通常采用乔利斯基分解方法，但此法对进入模型的变量的次序很敏感，一旦改变变量的次序，得到的脉冲响应函数也不同。Pesaran 和 Shin（1998）所提出的广义脉冲响应函数解决了这个问题，可以不考虑变量排序问题而得出唯一的脉冲响应函数曲线。除此之外，还可以

57、使用方差分解通过分析每一个结构冲击对内生变量变化的贡献度，来评价不同结构冲击的重要性，从而反映其他变量对某一变量变动的贡献度。本节使用 VEC 模型进行脉冲响应分析。因为冲击响应函数刻画的，是在扰动项上加一个标准差大小的冲击后，对于内生变量当前值和未来值所带来的影响。VEC 模型对一个变量的冲击直接影响这个变量，并且通过 VEC 模型的动态结构传导给其他所有的内生变量。经济生产活动方面的影响：美国工业总体产出指数不管是在大萧条时期还是目前新冠疫情的冲击影响下，美国经济生产活动方面都受到了不小的冲击，从最新的数据来看，美国疫情正逐渐受到控制，但是最新的美国工业总体产出指数截止到 4 月底，相比今

58、年高点出现了接近 20%的回落，所我们借助脉冲响应的框架，探究该因子波动对黄金走势造成的冲击。图 23：美工业总体产出指数波动对黄金价格带来的冲击资料来源：wind，西部证券研发中心VEC 模型中工业总体产出指数的正向冲击在短期(20 个月内)将导致金价的下降；在长期(20 个月后)形成一个恒定的负向冲击影响。总体来说工业总体产出指数与金价负向相关性较为显著，并能形成恒定的长期影响。失业率层面影响：美非农就业人数同样在大萧条时期以及当前新冠疫情的冲击下，失业率的快速飙升都是重要特征之一，本次新馆疫情的冲击下，美国的就业情况自然不容乐观，所以本节我们探讨在脉冲响应分析的框架下，美国非农就业人数的

59、大幅波动对金价的影响。图 24：美非农就业人数波动对黄金价格带来的冲击资料来源：wind，西部证券研发中心VEC 模型中非农就业人数的正向冲击与美国工业产出因子的作用较为类似。在短期(20 个月内)将导致金价的下降；在长期(20 个月后)形成一个恒定的负向冲击影响，但是幅度相比工业总体产出因子要小。总体来说美国非农就业人数因子与金价负向相关性较为显著，并能形成恒定的长期影响。国债利率层面影响：美国债长端利率不管是大萧条时期还是包括本次新冠疫情冲击在内的其他市场高波动时期，利率的变化都是极为显著的，美联储不会放任经济不管，插手调节的方式往往会带来利率的快速下滑，本次也不例外，美国国债长期利率已经

60、快速下滑至 0 附近，一度引起市场猜测美联储是否会考虑负利率情形，所以借助脉冲响应的方式研究利率对黄金价格走势的影响程度颇有必要。图 25：美国债长端收益率波动对黄金价格带来的冲击资料来源：wind，西部证券研发中心VEC 模型中美国债长期利率的正向冲击对金价影响较为复杂。在短期(8 个月内)将导致金价的上升；在长期(8 个月后)形成一个逐渐扩散的负向冲击影响，冲击幅度相比工业总体产出因子要小。总体来说美国长期国债利率因子与金价负向相关性较为显著，并且长期冲击影响会逐渐扩散。货币政策层面影响：美国M2水平每次美国市场大幅的时候，美联储的出手必不可少，主要以货币政策调节为主，而货币政策的实施，M