主要通貨實質匯率與黃金價格關聯性分析
66
0
0
全文
(2) 致謝 鳳凰花開的季節訴說著學生生涯終將暫時告一段落了！ 論文的完成萬分感激指導教授翁銘章博士，不斷適時的提醒研究方向以及做 人處事之道理。同時也要感謝口試委員柯秀欣博士，無論在時間序列課程中或是 在口試時，都能給予我寶貴之意見以及解決我所困惑的難題；此外，也感謝李慶 男博士用另外的角度激盪我所研究的課題。 一路上幫助的人實在太多，由衷地感謝鄭義暉老師，兩年來給我許多機會， 讓我學習到必須具備的工作能力與提前適應未來職場生活；另外也要感謝金融管 理學系黃一祥教授，雖然只有參與半學期的公司理財課程，但總是能激盪出有別 於我們專業領域能力對問題的思考模式。 此外，同儕柏宏、雅萱、芳茹、名洋、瑞宏、東霖、彥宏、慧綺以及大學與 研究所皆為同學的向柔，感謝你們兩年來一起創造了獨特的研究所生活，而學弟 妹們的加入也對於研究室增添了許多歡樂與難忘的回憶。 而在論文撰寫路上，不外乎有昶學、秀怡、仁啟、燕璟、思瑜、建百、勝凱、 威竣以及晉坤等好友們的幫忙，謝謝你們總是在我搜尋文獻的時候伸出援手。萬 分的感謝曾經在碩士班幫助過我的人，另外也要謝謝一路支持我繼續走下去的家 人們，感謝你們包容我。當我面臨低潮的時候激勵我，我永遠愛你們。 最後將本論文獻給我最愛的父母親林永清先生與洪秋菊女士。. 林朝偉 謹誌於 國立高雄大學應用經濟系碩士班 中華民國一○三年. 盛夏.
(3) 主要通貨實質匯率與黃金價格關聯性分析. 指導教授：翁銘章 博士 國立高雄大學應用經濟學系 學生：林朝偉 國立高雄大學應用經濟學系碩士班. 摘要 本篇論文著重於主要通貨匯率與黃金價格之連動性影響。當發生金融風暴事 件時，投資人對於美元與黃金持有是存有替代效果。加入歐元區主要國家之討論， 因歐元無法像美元能恣意地增加貨幣數量，進而探討歐元區主要通貨對於黃金是 否仍存有替代關係。利用 GARCH 模型與 Engle(2002) 動態條件相關模型下，觀 察黃金報酬率和通貨匯率報酬率之動態效果。當所有報酬率皆在定態下，其之間 關聯為動態負向效果。平均而言，投資者若增加持有 1% 的通貨匯率時將損失掉 0.4% 黃金報酬率。此外，透過黃金規避非系統風險之功能，得讓投資者在資產持 有存在一定之比例。此結果間接說明黃金與通貨匯率具有替代關係且黃金通貨匯 率為 −0.4 。. 關鍵字：. 實質匯率，黃金價格，固定相關係數，動態相關係數，動態相關係 數一般化自我相關條件異質變異模型.
(4) The Relationships between Real Exchange Rate and Gold Price for Major Currencies. Advisor: Dr. Ming-Jang Weng Department of Applied Economics National University of Kaohsiung MA Student: Chao-Wei Lin Department of Applied Economics National University of Kaohsiung. ABSTRACT This research focuses on deliberating the relationships between real exchange rate and gold price for major currencies. When the subprime crisis occurred, U.S dollars and gold holding by the investor will be having substitution effects. The research also adds major countries that are using euro in to the discussion to see if the currencies have the same substitution effects on gold, because not like U.S dollars, euro cannot willfully increase the quantity of money. By using the GARCH model and the Engle (2002) dynamic conditional correlation model, we can observe the dynamic effects of the gold returns and the currencies returns. It is showing a negative dynamic effect when the returns are stationary. In average, investors that are holding more than 1% of the currency will decrease the return of gold by 0.4%. Besides, by avoiding non-systematic risk on the gold, the investors will have a certain percent of assets holding. This result indirectly showing that there are substitution effects between gold and currency exchange rate and the gold currency exchange rates is −0.4 .. Keywords:. Real Exchange Rate, Gold Price, Constant Correlation Coefficient, Dynamic Correlation Coefficient, DCC-GARCH Model.
(5) 目錄 圖目錄 .................................................................................................................... iii 表目錄 .................................................................................................................... iv 第一章. 緒論 ......................................................................................................... 1. 1.1. 前言與研究動機 ..................................................................................... 1. 1.2. 研究目的 ................................................................................................. 5. 1.3. 研究架構 ................................................................................................. 6. 第二章. 文獻回顧 ................................................................................................. 7. 2.1. 金融商品與通貨匯率之關聯性 ............................................................. 7. 2.2. 通貨匯率與股票市場之關聯性 ........................................................... 12. 2.3. 金融市場之關聯性 ............................................................................... 14. 2.4. 動態條件相關係數與金融市場之相關性 ........................................... 17. 第三章. 研究方法 ............................................................................................... 20. 3.1. 單根檢定 ............................................................................................... 20. 3.2. 3.1.1. ADF 單根檢定 (Augmented Dickey-Fuller unit test) ............ 20. 3.1.2. PP 單根檢定 (Phillips and Perron unit root) .......................... 22. 3.1.3. DF-GLS 單根檢定 (ERS unit test) ......................................... 23. 3.1.4. KPSS 單根檢定 ....................................................................... 24. 實證模型描述 ....................................................................................... 25 3.2.1. 常態條件相關 (Constant Correlation Coefficient) 模型........ 25. 3.2.2. 動態條件相關 (Dynamic Correlation Coefficient) 模型 ....... 27. 3.2.3. 模型檢定 ................................................................................... 30. 第四章. 實證分析 ............................................................................................... 32. 4.1. 資料敘述 ............................................................................................... 32. 4.2. 單根檢定結果 ....................................................................................... 35. 4.3. 實證研究結果 ....................................................................................... 40. 第五章. 結論與建議 ........................................................................................... 51. i.
(6) 5.1. 結論 ....................................................................................................... 51. 5.2. 建議 ....................................................................................................... 52. 參考文獻 ............................................................................................................... 53 一. 國內文獻 ................................................................................................ 53. 二. 國外文獻 ................................................................................................ 54. 附錄 ....................................................................................................................... 56. ii.
(7) 圖目錄 圖 1.1. 黃金歷史價格走勢圖 .............................................................................. 5. 圖 A.1. 分析變數取對數後之趨勢圖 ............................................................... 56. 圖 A.1. 分析變數取對數後之趨勢圖 ............................................................... 57. iii.
(8) 表目錄 表 2.1. 金融商品與通貨匯率之相關性 ............................................................ 10. 表 2.1. 金融商品與通貨匯率之相關性 .............................................................11. 表 2.2. 通貨匯率與股票市場之相關性 ............................................................ 13. 表 2.3. 金融市場之關聯性 ................................................................................ 16. 表 2.4. 動態條件相關係數與金融市場之相關性 ............................................ 19. 表 4.1. 敘述性統計表 ........................................................................................ 34. 表 4.2. 各變數對數之 ADF Test ...................................................................... 36. 表 4.3. 各變數對數之 PP Test ........................................................................... 37. 表 4.4. 各變數對數之 GLS Test ........................................................................ 37. 表 4.5. 各變數對數之 KPSS Test...................................................................... 38. 表 4.6. 同質變異數下各變數之相關係數 ........................................................ 41. 表 4.7. 黃金價格報酬率與美元實質匯率報酬率之相關係數 ........................ 42. 表 4.8. 黃金價格報酬率與德國實質匯率報酬率之相關係數 ........................ 43. 表 4.9. 黃金價格報酬率與法國實質匯率報酬率之相關係數 ........................ 44. 表 4.10. 黃金價格報酬率與葡萄牙實質匯率報酬率之相關係數 .................. 44. 表 4.11 黃金價格報酬率與愛爾蘭實質匯率報酬率之相關係數 .................. 45 表 4.12. 黃金價格報酬率與義大利實質匯率報酬率之相關係數 .................. 47. 表 4.13. 黃金價格報酬率與希臘實質匯率報酬率之相關係數 ...................... 47 iv.
(9) 表 4.14. 黃金價格報酬率與西班牙實質匯率報酬率之相關係數 .................. 48. 表 4.15. 異質變異數下雙變數之 Wald 檢定 ................................................. 50. v.
(10) 第一章 1.1. 緒論. 前言與研究動機 自古以來，人類早已使用貴金屬開始進行貿易活動，其時間可追朔至 17. 世紀中期的歐洲國家。此時亦為紙幣問鼎出世，由英鎊與黃金掛鈎，成為傳 統的金本位制度。當時美國尚未發展成為經濟強權，不過卻有著主導世界的 想法，在美國獨立後，由於金融與經濟的蓬勃發展，使得她具有成為主導世 界的能力，在第一次世界大戰後，受到英、法兩個強國的阻撓，此計謀尚未 得逞。不過在第二次世界大戰後，軸心國戰敗，並且同為同盟的英、法兩國 之整體經濟亦元氣大傷，美國仗著自有強勢經濟體與具有約全世界 70% 以 上黃金儲備量，在 1944 年 7 月與會之 44 國簽訂了布雷頓森林協議 (Bretton Woods Agreement) ，其協議重要內容之一為： 「一盎司的黃金僅能兌 換 35 美元，採取固定匯率制度。」同時，美元成為世界主要交易貨幣亦享 有鑄幣稅之好處。. 二次世界大戰之後，歐洲滿目瘡痍，籠罩著惡性通膨問題，美國靠著戰 爭賺取橫財，得以讓美元聲勢大漲試圖一舉充當為世界的霸主，但當時仍有 40% 的國際貿易活動是採英鎊計價，倫敦依舊是世界金融中心。在美元成為 世界霸主之前，英鎊是唯一的競爭對手。隨著英鎊持續衰退以及美元的壯大，. 1.
(11) 美國在 1947 年提出馬歇爾計劃來重建歐洲經濟狀況 1，讓歐洲恢復經濟的 代價則是美國得以處在貿易赤字下，不斷的輸出美元，降低歐洲國家的威脅。. 20 世紀中期，隨著西歐國家經濟復甦，加上好戰的美國發動越戰，使得 反美意識高漲的西歐國家萌生了反擊之道。法國大量兌換美元，並持有黃金， 這使得美國黃金儲存大量外移將近三分之二，但美國仍為世界持有黃金數量 最多之國家。此舉動增加了美元超額供給與黃金的超額需求，同時國際投資 客也大量的借美元購買黃金之雙重壓力下，造成固定匯率可能崩解。 1971 年 12 月協議已名實存亡，加上美元長期貶值與受到浮動匯率的脅迫， 1973 年 2 月協議正式宣布瓦解。因歐洲國家意識到唯有互相結盟才能擺脫戰爭的泥 沼，壯大經濟體。於是 1979 年建立「歐洲貨幣體制」 ，主要目的為擺脫對美 元過度依賴，削弱美元在歐洲貨幣市場上的勢力。 「歐元之父」孟德爾於 1969 年發表名為《歐洲貨幣案例分析》與《歐洲貨幣規劃》文章，這兩篇文章奠 定了現今社會大眾所熟知的歐元。孟德爾提倡歐洲應發展單一貨幣制度，致 力於 30 年的奉獻， 「歐元」終於在 1999 年 1 月 1 日問世，而提倡發展歐 元的動機為看到美元獨大的情形，將使得貨幣機制產生不穩定的效果。然而 歐元並非沒有缺陷，歐洲統一使用單一貨幣作為償還貨幣時，不僅能提高歐 洲各國之間經濟體相互依賴性，亦降低了匯兌成本，使得銀行減少營運成本； 1. 馬 歇 爾 計 劃 。 (2013, November 11) 。 資 料 取 自 ： 維 基 百 科 ， 自 由 的 百 科 全 書 ：. http://zh.wikipedia.org/w/index.php?title=%E9%A9%AC%E6%AD%87%E5%B0%94%E8%AE %A1%E5%88%92&oldid=31275734. 2.
(12) 同時歐元也減少了商品間之價差，使得套利可能性進而消失。. 對於歐元問世，美國抱持著敵意態度，因歐盟之 GDP 與人口數相近美 國，深信有朝一日歐元將會嚴重威脅到其世界金融霸主地位。在歐元成立不 到兩個月時，美國假借著北約與南斯拉夫雙方民族情仇，發動了科索沃戰爭， 結果使得歐盟為了重建南斯拉夫，歐元匯兌美元不斷下跌。 21 世紀初，美 國爆發網路泡沫以及 911 恐怖攻擊，國際投資者紛而將資金移出美國，轉至 歐洲及亞洲國家，美元因而開始貶值。美國意識到歐元升值將會再度威脅到 主宰世界金融的地位， 2003 年發動對伊拉克之戰爭，實際目的是藉由攻打 伊拉克，進而控制國際原油市場。歐盟除了英國外，大多為石油進口國，操 縱原油價格使得歐元價格貶值，得以讓美國鞏固全球霸權，某種層面來說， 美伊戰爭實際是美元與歐元之戰。 2007 年美國發生次級房貸危機，又再一 次重創了全球經濟。隨之 2009 年底的歐洲主權債信危機，讓大家再度關注 到歐元的前景，截至目前為止，美元仍是世界霸權，而歐元成為世界金融強 權之日是指日可待的。. 黃金除了本身富有延展性、良好導電性、稀有性等化學性質外，同時在 經濟活動中佔有一席之地。它符合價值的貯藏、計價的單位，以及交易的媒 介等貨幣功能，歷史以來已深受人民所愛戴。 18 世紀的英鎊就開始與黃金 掛鈎，啟蒙金本位制度，隨之而來的美國亦自成一套金元本位制度。 1970 末. 3.
(13) 代爆發石油危機造成黃金價格第一次上漲，間接表示黃金價格與原油市場存 在著緊密關聯性，透過國際投資者的行為，觀察一旦發生金融事件時，美元 衰退將引起金價的飆漲，先前提及 2003 年的美伊戰爭正是一例。. 從 2002 年初新歐元正式啟用，黃金價格開始上漲，由原先價格一盎司 黃金可兌換 278 美元狂漲至 2011 年必須用 1,895 美元才能兌換到一盎司 的黃金，此時的黃金價格與 2002 年相比漲幅將近高達七倍，見圖 1.1。金 價高漲的原因歸咎於 2007 年美國次級房貸危機為導火線，全球經濟動亂不 安，使得國際市場上的投資者更不願意持有美元，進而轉進貴金屬市場交易。 美國聯準會為了改善經濟，主席柏南克執行貨幣量化寬鬆政策 (Quantitative Easing, QE) 2，加遽全球經濟條件更為惡化。. 歐盟亦因內部經濟體財政不一情形下， 2009 年底爆發了主權債信危機， 不過歐盟並未發行歐元債券，讓東歐國家陷入財政困境無法執行貶值貨幣的 行為，無法像美元可以隨心所欲印製鈔票挽救經濟情形，僅能靠著歐洲央行 協調會員國互相救助。. 2. 班˙柏南克 (Ben Shalom Bernanke) 於 2006 年至 2014 年擔任美國聯邦準備理事會主席，. 擔任總任期為 8 年，並已於 2014 年 1 月底屆期任滿，轉由葉倫 (Janet Yellen) 接任。. 4.
(14) U.S. Dollars per Troy Once. 2,000. 1,600. 1,200. 800. QE2 QE1. QE3. 400. 0 1975. 1980. 1985. 1990. 1995. 2000. 2005. 2010. Year 圖 1.1. 黃金歷史價格走勢圖. 資料來源：London Bullion Market Association. 此外，黃金價格會充分規避掉非系統風險 (unsystematic risk) ，使得投 資者更願意持有黃金部位，而造成外匯和黃金呈現負向關係。此項效果間接 說明投資者對黃金持有與通貨匯率之比例是為存在替代關係。. 1.2. 研究目的 近年來全球自 2007 年發生美國次級房貸事件，或是 2009 年底尾隨而. 來的歐洲主權債信危機等金融事件所帶來之衝擊。美國恣意地印製鈔票，以 鄰為壑的想法無疑只讓全球經濟更為惡化，貨幣數量的增加僅會更加稀釋貨 幣的價值，讓人們更不願意持有貨幣，最後導致貨幣的無價值性，造成人民. 5.
(15) 漸漸地放棄貨幣紛而轉持貴金屬商品，導致貴金屬市場價格大漲。惡性循環 下，只會引起更嚴重的金融事件，作為世界霸主的美國應不僅要考慮強權地 位，對於全球經濟的穩定發展更是要謹言慎行。. 本研究主要利用 GARCH 模型之均數方程式與變異數方程式，觀察黃金 報酬率與通貨匯率報酬率之間變動關係，我們認為現實經濟體之金融商品並 不單純僅存在固定變動之關係，而是會隨著時間改變而有動態變化情形。. 1.3. 研究架構 論文的研究架構分為第一章研究背景、動機與目的詳盡介紹有關於世界. 強權貨幣的行為和黃金的魅力，對於發生金融事件時該如何採取行動；第二 章探討先前學者們發表有關金融性商品與美元市場等相關文獻對後人研究之 啟發。第三章研究方法，探討變數連動性的影響，介紹 Bollerslev (1990) 與 Engle (2002) 認為金融商品互相存在固定變動或是動態關係；第四章解釋實 證資料型態與所觀察到的結果；第五章則是我們對本研究所得到的成果作為 結論，並且給予往後欲研究相關議題後輩之建議。. 6.
(16) 第二章. 文獻回顧. 先前文前探討大多探討於金融商品與主要通貨匯率之關聯性，或是股市 與匯率之間的連動性，隨後學者們認為其之間變動的關係並非僅有單純的線 性關性，而是會隨著時間上下擺盪的，或是資料型態會存在著平滑轉換的效 果，在某個門檻值後，變動程度會收斂於某一個數值。相關文獻對於歐元對 於黃金價格變動關係之議題甚少，歐元儼然成為世界第二大貨幣體時，美元 與黃金之變動影響下，納入歐元的討論且金融商品為動態條間相關下，我們 將關心變數間是否存在明顯性。以下各小節分別說明金融性商品之相關文 獻。. 2.1. 金融商品與通貨匯率之關聯性 Sari et al. (2010) 利用 VAR 模型觀察到原油價格的報酬不僅只有與黃. 金價格有關，且與其他主要貴金屬中也具有關聯性。在研究期間，他們發現 到貴金屬、原油價格的報酬和外匯變動似乎不存有長期均衡關係（與 Chang et al. (2013) 一致）。發生短暫衝擊後，貴金屬價格與外匯可能會存有短期的 效果，並進一步發現在鈀金、鉑金以及外匯市場中會有市場過度之情形。 Chang et al. (2013) 發現台灣加入能源與金融政策想法後，認為原油價格、黃. 7.
(17) 金價格與匯率之間互為獨立關係，建議當局者在能源與政策上應該分開討論。 原油價格與匯率存有雙向回饋關聯，而黃金價格則單向領先匯率之情形。此 外，林育德 (2008) 得到美元與歐元對黃金價格有共整合關係，當美元與歐 元強勢時，對於黃金價格有領先負向指標， Wang (2012) 亦得至相同結果。 他認為在美國次級房貸事件發生前，利用共整合關係可得黃金價格、白銀價 格與美元指數存有長期均衡。但在事件後，長期均衡和因果關係會消失，短 期效果亦不顯著。. Wang and Chueh (2013) 研究短期時間下，黃金價格與原油價格使用誤差 模型估計下，兩者會互相正向影響；利率與美元對於下期黃金價格呈現反向 效果，且利率與下期原油價格為同向變動，美元影響下期之原油價格效果則 不明顯，此外原油價格亦對下期利率存有正向波動。我們可以說短期效果下， 利率與原油價格互為雙向領先效果，而短期利率的變動效果是直接影響到投 資人的行為；長期則認為利率會帶領黃金價格的變動，不過對於石油的變動 效果，僅是對石油供需決定所改變。透過價格傳遞效果觀察，位於門檻值下 時，利率會領先美元變動，美元會領先原油價格變動；但對於黃金價格或是 原油價格而言，不論門檻值的界線為何，其兩者的波動會是屬於互相領先對 方變動。蕭建文 (2009) 認為金價、油價、美元匯率與利率皆存在共整合關 係。說明金價對於油價、美元匯率、利率具有互相解釋能力，油價對於利率 是為雙向回饋關係，油價對美元匯率則單向領先效果，美元匯率單向領先利 8.
(18) 率。此外，金價與油價以及美元匯率與利率呈現同向變動；金價與美元匯率 以及油價與美元匯率則是負向關係。而金融事件（次級房貸）的發生僅造成 變數之間的 Granger 因果關係更加明顯。. 9.
(19) 表 2.1. 金融商品與通貨匯率之相關性. 作者. 資料型態. 研究變數. 結論 美元實質匯率與黃金價格呈負相關，歐元實質匯率與黃金價格. 林育德 (2008). VAR. 美元實質匯率、歐元實質匯率、. 呈正相關；美元與歐元對黃金價格存在共整合關係，在美元與. 月資料. 黃金價格. 歐元強勢時，對於黃金價格有領先指標，並有負向效果。黃金 價格對美元有相反變動，對歐元有相同變動。 金價對於油價、美元匯率、利率具有互相解釋能力，油價與利. 蕭建文 (2009). VECM 日資料. 率是為雙向回饋關係，油價對美元匯率則單向領先效果，美元 金價、油價、美元匯率、利率. 匯率單向領先利率。金價與油價以及美元匯率與利率呈現同向 變動；金價與美元匯率以及油價與美元匯率則是負向關係。次 級房貸僅造成因果關係更加明顯。. Chang, Hsiao-Fen, Huang, Liang-Chou & Chin, Ming-Chin (2013) Sari, Ramazan, Hammoudeh, Shawkat & Soytas, Ugur. (2010) Wang, Zenan. (2012). 原油價格、黃金價格和匯率並未有長期均衡的狀況；原油價格. VAR. 原油價格、黃金價格、台灣兌美. 日資料. 元匯率. VAR. 原油價格、貴金屬（金、銀、鈀、. 貴金屬、原油現貨價格之報酬和外匯變動似乎沒有長期均衡關. 日資料. 鉑）價格、匯率. 係。. VAR 日資料. 與匯率存在雙向回饋關係，黃金價格則單向領先匯率之情形。 另外建議當局者在能源與政策上應該分開討論。. 次級房貸風暴前，利用共整合關係可得三者變數存有長期均 白銀價格、黃金價格、美元指數. 衡。此外，黃金與美元指數對白銀價格有因果關係；事件後， 長期均衡和因果關係會消失，短期效果亦不顯著。. 10.
(20) 表 2.1. 金融商品與通貨匯率之相關性. 作者. 資料型態. 研究變數. 結論 短期效果下，利率與原油價格互為雙向領先效果。長期則認為. Wang, Yu Shan, & Chueh, Yen TECM Ling. (2013). 日資料. 利率、美元、黃金價格、原油價. 利率會帶領黃金價格的變動。透過價格傳遞效果觀察，位於門. 格. 檻值下時，利率會領先美元變動，美元會領先原油價格變動； 但對於黃金價格或是原油價格的波動會是互相領先對方變動。. 資料來源：本研究自行整理。. 11.
(21) 2.2. 通貨匯率與股票市場之關聯性 關心通貨匯率與股價波動性的文章為劉怡孜 (2011) 指出台灣股價指數，. 在低油價時期與金價互為反向關係；高油價時期，兩者之間呈同向變動。另 外以匯率分析，在高油價時期，匯率與股價的影響會顯著明顯於低油價時期 的變動。林宏銘 (2010) 則透過美元、股票市場、債券市場及商品市場，探 討四個市場間的相聯性為何，他認為實施貨幣寬鬆政策與信用過度擴張下， 通貨膨脹造成了美元波動。並且觀察美元的浮動對於商品市場、債券市場和 股票市場間是否存有因果關係與長短期的影響，得出美元指數會領先全球政 府債券指數，世界指數領先美元指數，同時世界指數與 RJ/CRB 呈現雙向互 相回饋關係 3，但 RJ/CRB 並未有領先效果。黃姿穎 (2009)研究金價、油價、 匯率與國際股市之關聯性，使用誤差校正模型估計得出，德國、日本、台灣 以及中國大陸存在共整合關係。並透過向量誤差修正處理後，除了油價對德 國股價具有解釋力，金價對於油價有顯著性效果，以及金價和油價對於美元 兌歐元匯率有單向領先效果外，其他變數間結果皆呈現有相互影響情形。而 在因果關係下，油價對於金價與油價對於股價有雙向回饋效果之外，油價亦 會有領先匯率情形。. 3. 商品研究局期貨價格指數 (Reuters/Jefferies CRB Index)。其中包含了 19 種期貨商品。. 12.
(22) 表 2.2. 通貨匯率與股票市場之相關性. 作者 林宏銘 (2010). 資料型態 VAR 日資料. 研究變數. 結論. 美元指數、 MSCI 世界指數、 JP. 美元指數與其他變數為反向變動，美元領先 JP Morgan， MSCI. Morgan 全 球 政 府 債 券 指 數 、. 領 先 美 元 指 數 ， 同 時 MSCI 與 RJ/CRB 呈 現 回 饋 關 係 ，. RJ/CRB 指數. RJ/CRB 並未有領先效果。 油價對德國股價具有解釋力，金價對於油價有顯著性，以及金. 黃姿穎 (2009). VECM. 油價、金價、匯率、股價指數（美. 價和油價對於美元兌歐元匯率有單向領先效果，其他變數間結. 日資料. 國、德國、日本、台灣、大陸）. 果皆呈現有相互影響情形。因果關係下，油價對於金價與油價 對於股價有雙向回饋效果之外，油價亦會有領先匯率情形。. 劉怡孜 (2011). VAR. 黃金價格、原油價格、匯率、台. 低油價時期，台灣部份分類股價指數和黃金價格為反向關係；. 日資料. 灣 21 大產業股價. 高油價時期，兩者變動呈現同向變動。. 資料來源：本研究自行整理。. 13.
(23) 2.3. 金融市場之關聯性 探討金融市場商品間的變動性程度，在 EGARCH 模型探討的文章則有. Morales and Andreosso-O’Callaghan (2011) 與 白濬豪 (2012) 。Morales and Andreosso-O’Callaghan (2011) 調查貴金屬（黃金、白銀、鉑金、鈀金）之間 在 1995 年到 2010 年期間波動的外溢效果。同時觀察 1997 年亞洲金融風 暴與 2008 年美國次級房貸等事件後，四個金融商品市場之間行為。研究可 得知當發生亞洲金融風暴時，商品之間的外溢效果非常薄弱；而金融危機時 期，貴金屬之間的報酬卻有明顯的持續波動性，亦為雙向影響效果。. 另外白濬豪 (2012) 指出歐元匯率與歐元區主要國家股市匯率之動態關 係為，當 2008 年發生金融風暴時，除了奧地利，荷蘭、希臘、義大利、比 利時與德國等國外，股票與匯率市場存有明顯結構性的轉變。當中荷蘭、義 大利與德國之相關性為正向影響，其餘歐元區國家則呈現負向影響。亦說明 2002 年歐元的成立，並不會對歐元區國家造成相關性的波動。. 有別於上述使用 EGARCH 的分析模型，另一群學者們認為時間模型中， 認為金融市場中存有平滑轉換的關係，允許觀察時間內之金融商品不僅只為 一個門檻值，提出先驅為 Berben and Jansen (2005) 之 STC-MGARCH 。爾 後林裕傑 (2009) 和李彥儒 (2011) 擴展為 MSTC-MGARCH 等研究。林裕. 14.
(24) 傑 (2009) 分析金融市場在同種類型和不同種類情形下，是否存有非線性的 相關係數。他所得的主要論點為無論在何種類型下的金融市場，股票市場會 有非線性之相關性，並使用雙門檻分析得知金融市場在同類型的相關係數會 高於不同類型；美國與主要歐元區國家之相關性變化並不大，而與加拿大之 相關性較為波動。李彥儒 (2011) 則認為當模型在不同門檻值下，原油價格 與黃金價格兩者的相關性是由低正相關逐步增加；美元實質匯率對於黃金價 格或是原油價格則是為反向影響；但對於歐元而言，與黃金價格或是原油價 格之關係卻為正向變動。. 15.
(25) 表 2.3. 金融市場之關聯性. 作者 白濬豪 (2012). 資料型態 EGARCH 週資料. 研究變數. 結論. 荷蘭、希臘、奧地利、義大利、. 歐元匯率與歐元區主要國家股市匯率之動態關係為，當發生. 比利時、法國、德國、西班牙之. 金融風暴時，除了奧地利，荷蘭、希臘、義大利、比利時與. 股市報酬率；歐元匯率. 德國等國外，股票與匯率市場存有明顯結構性的轉變。 原油價格與黃金價格兩者的相關性是由低正相關逐步增. 李彥儒 (2011). MSTC-MGARCH. 原油價格、黃金價格、歐元實質. 加。美元實質匯率對於黃金價格或是原油價格則是為反向影. 週資料. 匯率、美元、英鎊貿易加權指數. 響；然而歐元與黃金價格或是原油價格之關係卻為正向變 動。. 林裕傑 (2009). Morales, Lucía, & Andreosso-O’Callaghan, Bernadette. (2011). MSTC-MGARCH. 股票及匯率報酬（英、法、德、. 週資料. 加） 、美國股市報酬. EGARCH 日資料. 無論在何種類型下的金融市場，股票市場會有非線性之相關 性。美國與主要歐元區國家之相關性變化並不大，而與加拿 大之相關性較為波動。 當發生亞洲金融風暴時，商品之間的外溢效果非常薄弱；而. 黃金、白銀、鉑金、鈀金等價格. 金融危機時期，貴金屬之間的報酬卻有明顯的持續波動性， 亦為雙向影響效果。. 資料來源：本研究自行整理。. 16.
(26) 2.4. 動態條件相關係數與金融市場之相關性 Lee et al. (2011) 主要藉由股市波動觀察股市價格與匯率價格的相關動態. 性，並以 EGARCH 模型分析 2000 年到 2008 年亞洲國家（印尼、韓國、 馬來西亞、菲律賓、台灣、泰國）的資料。他們得到資料之間存有明顯的價 格移轉效果；除了菲律賓以外，其他五國的股票市場與匯率市場彼此相關會 隨著波動而提高。而當股票市場為穩定時，投資者可以透過國內股票市場和 外匯市場來做避險。因此當股票市場更為波動時，股票和外匯市場相關性越 高，投資人可以立即分散他們的投資組合來規避風險。. 李文斌 (2010) 在金融商品波動性程度中，實證研究認為 2006 年至 2010 年期間，黃金價格與美元指數並不存在長期均衡情形。而在 2008 年的 金融危機事件中，投資人為了規避風險需求，原先美元與黃金的關係也由反 向影響轉而變成同向變動。此外，透過單變量 GARCH 說明美元指數和黃金 價格皆符合效率理論，亦即投資人無法透過歷史價格預測下期價格；雙變量 GARCH 進一步地指出，黃金價格則有單向領先美元之效果。另外陳維邦 (2008) 觀察原油價格在高、低油價兩段期間，與股價指數動態之相關性變動 程度。在靜態相關性下，當油價為在高價格區間時，台灣股價指數將會受到 較大的衝擊影響；此外，透過動態性的研究，他認為原油價格的波動並不明 顯影響到股票價格，唯有在油價劇烈漲跌下，股票與油價之相關性才會有顯. 17.
(27) 著之效果。此外，李淑慧 (2011) 所得結果並無法顯著支持 2005 年的中國 與亞洲新興市場之股市、匯市具有同向關係 (Phylaktis and Ravazzolo, 2005) 。 然而中國股市與已開發國家、亞洲四小龍和新興市場有長期均衡的現象；中 國的外匯市場亦對已開發國家、亞洲四小龍存有整合之關係。. 18.
(28) 表 2.4. 動態條件相關係數與金融市場之相關性. 作者 李文斌 (2010). 李淑慧 (2011). 資料型態 DCC-GARCH 日資料. 研究變數. 結論 單變量 GARCH 說明美元指數和黃金價格皆符合效率理論，. 黃金價格、原油價格、美元指數. 亦即投資人無法透過歷史價格預測下期價格；雙變量 GARCH 進一步地指出，黃金價格則有單向領先美元之效果。. 中國、印度、馬來西亞、菲律賓、. 中國股市與亞洲已開發國家、亞洲四小龍和亞洲新興市場有長. DCC-GARCH. 新加坡、韓國、台灣、泰國、越. 期均衡的現象；中國的外匯市場亦對已開發國家、亞洲四小龍. 日資料. 南；股價報酬、外匯報酬、市值. 存有整合之關係。中國股價也對於自身股市具有影響效果。. 報酬. 陳維邦 (2008). DCC-GARCH 日資料. 水泥工業、塑膠業、紡織纖維、. 靜態相關性下，當油價為在高價格區間時，台灣股價指數將會. 鋼鐵工業、汽車業、半導體產業、. 受到較大的衝擊影響；透過動態性的研究，原油價格的波動並. 主機板 NB 、航空業、油電燃. 不明顯影響到股票價格。. 氣、散裝貨物航運之股票價格； 原油價格. Lee, Chia-Hao, Doong, Shuh-Chyi, & Chou, Pei-I. (2011). EGARCH. 印尼、韓國、馬來西亞、菲律賓、. 週資料. 泰國、台灣之股票價格與匯率. 資料來源：本研究自行整理。. 19. 資料之間存有明顯的價格移轉效果；除了菲律賓以外，其他五 國的股票市場與匯率市場彼此相關會隨著波動而提高。當股票 市場更為波動時，股票和外匯市場相關性越高。.
(29) 第三章. 研究方法. 探討有關於美元實質匯率、歐元區各國實質匯率以及黃金價格相關性實 證研究前，我們在此章節將先闡述時間序列中常用的檢定方法，對於關心議 題的資料是否存在單根。接著介紹實證模型，提出我們論文之模型分析。. 單根檢定. 3.1. 分析時間序列之實證研究時，對於所有 t 及 t − k 而言， { yt } 若符合 平均數為常數，變異數為有限值，共變異數不與 t 存在相關下，則符合弱定 態 (weak stationary) 時間序列，簡稱定態。所謂定態為，時間序列在長期下， 變異程度能趨於為一固定常數；反之，則序列符合非定態型式。檢定序列是 否符合定態，最簡便方法就是使用「單根檢定」(unit root test) 檢測，我們以 下說明實證方法所使用的檢測方法，分別為 ADF 、 PP 、 GLS 與 KPSS 檢 定。. 3.1.1. ADF 單根檢定 (Augmented Dickey-Fuller unit test). Dickey and Fuller (1979) 提出 AR(1) 模型，來檢測時間序列是否具有單. 20.
(30) 根 ，並且假設殘差項為白噪音 (white noise) 。討論序列是否有常數項 (intercept term) 或是時間趨勢項 (trend term) ，我們將序列採一階差分後，分 別探討下列三種模型：. ∆y= ρ yt −1 + ut ; t. (3.1). ∆yt = α + ρ yt −1 + ut ;. (3.2). ∆yt = α + β t + ρ yt −1 + ut ,. (3.3). 上述式 (3.1) 為無常數項與趨勢項，式 (3.2) 為僅有常數項，式 (3.3) 為 含有常數項與趨勢項。當中以最小平方法 (OLS) 估計出 αˆ 、 βˆ 與 ρˆ ，α 為常數項， t 為時間趨勢項。假說檢定為 H O : ρ = 0, α =0, β =0 ，H A : ρ < 0 。 若我們拒絕虛無假說，則不具有單根之特性；反之，我們則認為具有單根。. DF 檢定以 AR(1) 模型估計，並認為殘差項具有白噪音。在估計上可能 會造成過度的拒絕虛無假說，造成檢定力的下降，所以 Said and Dickey (1984) 遂 以 擴 展 為 AR(p) 模 型 估 計 ， 目 的 為 消 弭 殘 差 的 自 我 相 關 (serial correlation) ，此方法稱為修正後 DF 檢定 (Augmented Dickey-Fuller) ，同 樣地探討三種可能之模型：. 21.
(31) P −1. ∆y= ρ yt −1 + ∑ ξi ∆yt −i + ut ; t. (3.4). i =1. P −1. ∆yt = α + ρ yt −1 + ∑ ξi ∆yt −i + ut ;. (3.5). i =1. P −1. ∆yt = α + β t + ρ yt −1 + ∑ ξi ∆yt −i + ut ,. (3.6). i =1. 上述式 (3.4) 為無常數項與趨勢項，式 (3.5) 為僅有常數項，式 (3.6) 為 含有常數項與趨勢項。以最小平方法 (OLS) 估計出 αˆ 、 βˆ 與 ρˆ ， α 為 P −1. 常數項， t 為時間趨勢項， ξ i = −(ξi +1 + ξi + 2 + ξ p ) = −∑ ξi 為 ADF 的擴 i =1. 展項， ρ =−(1 − ξ1 − ξ 2 − − ξ p ) =−(1 − ∑ i =1 ξi ) 。假若 P. 我們稱序列為定態，反之. ∑. P. ∑. P. ξ < 1 ( ρ < 0) ，. i =1 i. ξ ≥ 1 ( ρ ≥ 0) 則為非定態關係。不論是 DF 或. i =1 i. 是 ADF 檢定，皆呈現布朗運動 (Brownian motion) ，檢定統計量需查詢 Dickey-Fuller (1979) 的統計分配表，此外，落後期數的選定我們可選擇 AIC 或是 SBC (SIC) 等判定方法。. 3.1.2. PP 單根檢定 (Phillips and Perron unit root). Phillips and Perron (1988) 提出另外一種方法，來檢定序列是否具有單根， 認為不論 DF 法或是 ADF 法，在殘差項的假設皆具有無自我相關的特性。 他們允許時間序列的殘差項存在自我相關性和異質變異數，進而提高檢定力，. 22.
(32) 檢測模型仍有三種型式， PP 的極限分配會與 DF 的極限分配相同，其統計 量之臨界值與 DF 法相同，故可查 Dickey-Fuller (1979) 之臨界值表。 yt ρ yt −1 + ut ; =. (3.7). yt = αˆ + ρˆ yt −1 + uˆt ;. (3.8). 1 yt =α + β (t − T ) + ρ yt −1 + ut , 2. (3.9). 式 (3.7) 為無常數項與趨勢項，式 (3.8) 為僅有常數項，式 (3.9) 為含 有常數項與趨勢項。當中 αˆ 與 α 為常數項， t 為時間趨勢項，假說檢定 為 H O : ρ = 1 ， H A : ρ < 1 ，依照信心水準，若拒絕虛無假說，則序列為定 態；反之，序列非為定態。. 3.1.3. DF-GLS 單根檢定 (ERS unit test). 由於普遍常用之 ADF 單根檢定其檢定力較低並且 Schwert (1989) 指 出當資料有移動平均時會產生型 I 誤差。 Elliott, Rothenberg and Stock (ERS, 1996) 提出 DF-GLS 檢定法，此檢定為自我回歸單根的效率檢定，假設時間 序列迴歸為：. 23.
(33) ∆y = ρ y d t. d t −1. p. + ∑ ytd−i + ut ,. (3.10). i =1. 當中假說檢定為 H O : ρ = 0 ， H A : ρ < 0 。DF-GLS 使用一般最小平方法 (GLS) 估計參數。假若模型中僅有常數項時，所得統計量值與 DF 單根檢定 法一樣，臨界值可採用 Dickey-Fuller (1979) 臨界值表判定；若模型中含有常 數項以及時間趨勢項時，則採用 ERS (1996) 所提出之臨界值表判定時間序 列是否存在單根。單根檢定若為拒絕虛無假設時，則我們得知時間序列並不 存在單根，反之，無法拒絕虛無假設時，我們則認為時間序列中可能有單根 之可能性。. 3.1.4. KPSS 單根檢定. 先前探討 ADF 以及 PP 法等單根檢定法，會存在有檢定不足的缺陷。 另一種檢測時間序列是否存有單根的學者們認為，虛無假說之時間序列為定 態 (Kwiatkowski et al., 1992) 。 他 們 認 為 時 間 序 列 模 型 是 由 固 定 趨 勢 (deterministic trend) 、隨機漫步 (random walk) 和定態誤差 (stationary error) 所組成，時間序列模型如下：. yt = ζ t + γ t + ε t ,. (3.11). 當中 = γ t γ t −1 + ut ， ut 獨立同分配 (0, σ u2 ) 。假說檢定 H O : σ u2 = 0 ， 24.
(34) 給定期始值 ( γ 0 ) ，假定 ε t 是為定態，則時間序列 yt 為趨勢後定態；當 在起始值附近定態時，所推導檢定統計量 (LM) 為：. T. LM = ∑. St2. t =1. 當中 = St. σ ε. t. e, t ∑= i =1. i. 2. ,. (3.12). 2 1, 2, , T ， ei 為殘差， St 為部分累積殘差和， σ ε. 為變異數誤差之估計值。對於虛無假說檢定判准，若拒絕虛無假說，則我們 認為時間序列並不存在定態關係，反之，則時間序列可能呈現為定態。. 實證模型描述. 3.2. 3.2.1. 常態條件相關 (Constant Correlation Coefficient) 模型. Bollerslev (1990) 的常態條件相關模型考慮 k 個市場下：. rt | F t −1 ~ N (0, H t ) ,. H t ≡ Dt RDt ,. Dt = . h1t. 0. . 0 . h2t . . 0. 0. . 0 0 , hkt 25. (3.13).
(35) ρ12 ρ1k 1 ρ 2 k . 1 ρ R = 21 ρk1. . . ρk 2 . 1 . ,. ρij = ρ ji ,. ∀i, j ,. 當中 rt 為第 k 項資產之報酬， Dt 是第 i 個對角線上的時間變異標 準差之 k × k 對角矩陣， R 為時間變異相關矩陣。我們將估計值的對數概 似函數表示為：. 1 T TN − log 2π − ∑ ( log H t + ε t′H t−1ε t ) , L= 2 2 t =1 1 T 1 T TN −1 − log 2π − ∑ log Dt RDt − ∑ ε t′ ( Dt RDt ) ε t , L= 2 2 t 1= 2t1 = T 1 T TN T − log 2π − log R − ∑ log Dt − ∑ εt′R −1εt . L= 2 2 2t1 = t 1=. 當中 εt = Dt−1ε t 為 N ×1 之標準化殘差向量，為了方便計算：. T T TN T − L= (1 + log 2π − log T ) − ∑ log Dt − log ∑ εt εt′ , 2 2 =t 1 = t 1. 當中 ε t ~ N (0, R) ，條件變異為：. Pi. Qi. hit = ωi + ∑ α i , p ri 2,t − p + ∑ βi ,q hi ,t − q ,. p 1= q 1 =. 26. i = 1, 2, , k. (3.14).
(36) Pi. 式 (3.14) 之限制條件為. Qi. ∑ α i, p +∑ βi,q < 1 ， P 和 Q 分別為落後期數，. p 1= q 1 =. 兩者可不必相等。條件共變異為：. hij ,t = ρij hii ,t h jj ,t ,. ρij =. hij ,t hii ,t h jj ,t. ,. (3.15). −1 ≤ ρij ≤ 1. 當中 ρij 並不隨著時間變動而改變，亦即共變異數僅受自身波動變化。 但常態條件相關並無法真正反映變數之間真實變動之波動影響，故為了瞭解 各國金融體系間相互影響程度，將另採用動態相關係數模型。. 3.2.2. 動態條件相關 (Dynamic Correlation Coefficient) 模型. Engle (2001) 提出估計 DCC-MGARCH 模型，可用來測量極大時間變異 的共變異矩陣關係。作者假定 MGARCH 中有 k 種資產，且服從常態分配， 期望值為 0 ，共變異矩陣 H t ，並表示：. rt | F t −1 ~ N (0, H t ) ,. H t ≡ Dt Rt Dt ,. 27.
(37) 當中 rt 為 k 項資產之報酬， Dt 是從單 GARCH. hit 在第 i 個對. 角線上的時間變異標準差之 k × k 對角矩陣， Rt 為時間變異相關矩陣，與 上節 R 之最大差異為允許隨時間波動。而我們將估計值的對數概似函數表 示為：. 1 T − ∑ k log(2π ) + log ( H t ) + rt′H t−1rt L= 2 t =1 1 T − ∑ k log(2π ) + log ( Dt Rt Dt ) + rt′Dt−1 Rt−1 Dt−1rt L= 2 t =1 1 T − ∑ k log(2π ) + 2 log Dt + log ( Rt ) + ε t′Rt−1ε t , L= 2 t =1. 當中 ε t ~ N (0, Rt ) ，我們將 Dt 以 (3.13)表示。另外動態相關之結構可 寫為：. M. N. M. N. Qt = (1 − ∑ α m − ∑ β n )Q + ∑ α m ( ε t − mε t′− m ) + ∑ β nQt − n , = m 1= n 1. = m 1. (3.16). = n 1. Rt = Qt*−1Qt Qt*−1 ,. 當中式 (3.16) Q 為從第一階段估計之標準化殘差之為受限制共變異數， Rt 為 ρij ,t =. qij ,t qii q jj. ，並要求條件為正定。而下列 Qt* 是 Qt 的對角平方. 根組合之對角矩陣，可表示為： 28.
(38) * Qt = . q11. 0. . 0 . q22 . . 0. 0. . . 0 0 . qkk . Engle (2002) 將其 DCC-MGARCH 模型延展至一般化，但所待估參數過 多，不易估計且不普遍使用，大多研究學者們改採 Engle (2001) 的兩階段估 計法，第一階段使單 GARCH 估計自身之殘差序列；第二階段從第一階段所 得之標準化殘差，用來測量動態相關之參數。. 首 先 利 用 單 位 矩 陣 Ik. 取 代 Rt ， 並 將 待 估 參 數 θ. 分為兩群. (φ1 , φ2 , , φk , ϕ ) = (φ , ϕ ) ， φi = (ω , α1,i , , α Pi ,i , β1,i , , βQi ,i ) ，得到第一階段準. 概似函數為：. 1 T − ∑ k log(2π ) + log ( I k ) + 2 log ( Dt ) + rt′Dt−1 I k Dt−1rt QL1 (φ ; rt ) = 2 t =1. (3.17). 1 T − ∑ k log(2π ) + 2 log ( Dt ) + rt′Dt−2 rt QL1 (φ ; rt ) = 2 t =1. (3.18). k r2 1 T − ∑ k log(2π ) + ∑ log(hit ) + i ,t QL1 (φ ; rt ) = 2 t 1= hit = i 1 . . (3.19). T r2 1 k − ∑ T log(2π ) + ∑ log(hit ) + i ,t QL1 (φ ; rt ) = 2 i 1= hit = t 1 . , . (3.20). 29.
(39) 而第一階段估計後，第二階段之準概似函數為：. 1 T − ∑ k log(2π ) + 2 log ( Dt ) + log ( Rt ) + rt′Dt−1 Rt−1 Dt−1rt QL2 (ϕ ; φˆ, rt ) = 2 t =1. (3.21). 1 T − ∑ k log(2π ) + 2 log ( Dt ) + log ( Rt ) + ε t′Rt−1ε t , QL2 (ψ ; φ , rt ) = 2 t =1. (3.22). 然而，我們固定了 φ ，所以會影響的變數僅剩為 log ( Rt ) + ε t′Rt−1ε t 需 被待估，為了簡化，忽略常數項以及追求極大化之下：. (. ). 1 T − ∑ log ( Rt ) + ε t′Rt−1ε t , QL*2 (ψ ; φˆ, rt ) = 2 t =1. 3.2.3. 模型檢定. 假定探討黃金與各國實質匯率研究模型之均數方程式以及變異數方程式 表示如下：. yi= µi + ε i ,t , i = 1, 2 , ,t. hi ,t =+ ωii α iiε i2,t −1 + βii hi ,t −1 , i = 1, 2 ,. (3.23). . hij ,t = ωij + α ij ε i ,t −1ε j ,t −1 + βij hij ,t −1 , i, j = 1, 2 , ∀i ≠ j . 30.
(40) 當中 yi ,t 為資產報酬率， hi ,t 為條件變異數，檢定統計量採用 Wald 聯 合 檢 定 。 假 說 檢 定 為. H O : Model is a CCC-MGARCH.. ，. H A : Model is a DCC-MGARCH. 。若我們得到無法拒絕虛無假說時，則我們. 稱金融性商品間的波動關係可能為固定影響；反之，我們有足夠證據指出拒 絕虛無假說，金融性商品間的波動關係可能具有動態變動的影響。. 31.
(41) 第四章 4.1. 實證分析. 資料敘述 觀察主要通貨實質匯率與黃金價格的關聯性，我們分析美元實質匯率、. 歐元區各國實質匯率以及黃金價格三者之間的變動關係。研究資料採用日資 料分析，研究期間為 2002 年 1 月 1 日至 2013 年 9 月 30 日。同時屏除 缺失資料 (missing data) 後，共得到 2,861 筆資料。在實證研究下，我們利 用美元實質指數作為美元實質匯率之代理變數 (proxy variable) 4 。歐元實質 匯率則因歐元區僅有一個名目匯率 5 ，我們劃分出德國、法國和歐豬五國 (PIIGS) 作為歐元區各國實質匯率之代理變數。黃金價格則以每盎司為一單 位，並根據倫敦黃金市場下午 3:00 收盤價作為變數，所有變數皆採美元為 計價單位。. 美元實質匯率、黃金價格與歐元區各國實質匯率之變數，前面兩者取自 於美國聯邦準備理事會 (Fed) 資料庫；後者歐洲中央銀行 (European Central Bank, ECB) 。我們將變數做敘述統計並將結果呈現於下表 4.1 。主要歐元. 4 = 美元實質匯率. ( 美元指數. 消費者物價指數 ) × 100 。因消費者指數僅有月資料，為了實證. 分析我們將相同月份之美元指數資料作為轉換，作為美元實質匯率之日資料。 5. 歐元區各國實質匯率 = ( 歐元有效名目匯率 歐元區各國物價指數 ) × 100 。同理，資料處理. 與美元實質匯率相同。. 32.
(42) 區國家中，對於平均數而言，愛爾蘭之實質匯率在研究期間為最高，希臘則 最低，但兩者之實質匯率並無懸殊差距；當希臘爆發債信危機前，其平均實 質匯率已相當高 (87.525) ，但德國平均實質匯率卻是主要歐元區最高的國家 (88.00) 。發生歐債危機後，黃金平均價格急遽增加到每盎司 1,495.46 美元， 此價格是為在為爆發金融事件之 2.72 倍。投資人缺乏信心，紛而持有黃金， 使得標準差達到 196.51% ，整體來講黃金價格變動相當急遽；對於歐元區 國家而言，希臘期間變動高達 17.58% ，在歐債危機前仍有 15.81% 的波動； 在金融風暴後，歐豬五國的波動約有 2.44% 至 2.96% 變動，不過德、法兩 國的實質匯率變動卻高達 2.60% ，比希臘發生財政問題之變動幅度還要 大。. 資料的偏態情形，在研究整段期間內，黃金價格與各國實質匯率皆呈現 為右偏；在希臘爆發債信危機前，所有欲分析之變數亦為右偏情形；不過在 金融事件後，唯獨黃金價格呈現為左偏狀態，其餘各國實質匯率能依舊維持 著右偏分配。. 33.
(43) 表 4.1. 敘述性統計表. Mean. Std. Dev.. Max.. GOLD. USA*. DEU. FRA. PRT. IRL. ITA. GRC. ESP. All. 869.59. 39.99. 82.61. 82.83. 82.47. 83.69. 82.17. 81.08. 81.75. Before. 549.7. 44.72. 88.00. 87.92. 87.82. 87.91. 87.95. 87.525. 87.82. Afer. 1495.46. 33.68. 68.82. 68.73. 67.94. 71.71. 66.97. 63.67. 65.71. All. 474.53. 8.24. 14.16. 14.58. 15.32. 14.38. 15.49. 17.58. 16.81. Before. 242.28. 7.90. 12.84. 13.31. 14.15. 14.29. 13.96. 15.81. 15.50. Afer. 196.51. 2.35. 2.70. 2.60. 2.95. 2.36. 2.96. 2.44. 2.80. All. 1895. 63.65. 119.79. 122.4. 125.47. 127.01. 124.24. 129.07. 127.88. 1212.5. 63.65. 119.79. 122.4. 125.47. 127.01. 124.24. 129.07. 127.88. Afer. 1895. 40.61. 77.09. 76.57. 76.54. 79.14. 75.15. 70.72. 73.54. All. 277.75. 30.18. 65.37. 65.26. 64.53. 68.25. 63.19. 59.65. 61.97. Before. 277.75. 31.95. 69.27. 69.66. 68.67. 68.38. 69.14. 66.87. 66.98. Afer. 1090.75. 30.18. 65.37. 65.26. 64.53. 68.25. 63.19. 59.65. 61.97. All. 0.50. 1.05. 0.78. 0.85. 0.92. 1.12. 0.82. 0.81. 0.87. Before. 0.56. 0.59. 0.68. 0.76. 0.78. 0.68. 0.65. 0.67. Afer. -0.25. 0.59 1.03. 1.27. 1.23. 1.24. 1.13. 1.10. 0.85. 1.12. Before. Min.. Skewness. Obs.. 2,861. Notes: (1) The European debt crisis is 2010/02/25. (2) * means the subprime mortgage crisis is 2008/09/15. 34.
(44) 4.2. 單根檢定結果 為了檢測實際資料型態在時間序列中為何種型態，我們分別採用四種假. 說檢定，其中所得出之結果分為兩大類： ADF 檢定法與 PP 法為一類，另 一類則為 GLS 法和 KPSS 法，其中四種檢定方法皆以 AIC 為準則。. 首先，我們將資料取完對數後，發現資料走勢圖存在常數項以及向下波 動的趨勢，見附錄圖 A.1 。表 4.2 利用 ADF 法得到不論在黃金價格、美 元指數以及歐元區主要七個國家，皆無法拒絕序列具有單根之假說；而表 4.3 利用 PP 法，亦得到相同的實證結果。接著採用一般實證研究學者們認知的 GLS 法與 KPSS 法分析，在 GLS 下，無法說明所有關注的變數具有顯著 性。另外透過 KPSS 認為序列定態的虛無假說，實證結果為信心水準 1% 下， 任何變數皆為非定態的。整體來說，無論使用何種方法檢驗，都能證明我們 研究之變數皆符合單根（非定態）之特性。. 檢測完含有常數項與趨勢項之序列後，加入趨勢項和無常數項以及趨勢 項等限制條件。在無趨勢項時，使用 ADF 法，愛爾蘭在 10% 信心水準下 之統計量為 −2.82 ，結果為拒絕虛無假說，表示序列在統計上存在顯著性。 利用 PP 法與 ADF 法所得到之結果互為一致，我們認為時間序列可能存有 單根（愛爾蘭除外） 。接著研究 GLS 法和 KPSS 法，得到之結果仍為 GLS. 35.
(45) 法效果並不明顯，但 KPSS 法會在 1% 下有明顯的效果，結果呈現於表 4.4 和表 4.5。. 最後，我們再次加入限制，在無趨勢項與常數項下，利用 ADF 法與 PP 法分析，除了美元指數在信心水準為 5% 下有明顯效果拒絕序列具有單根特 性；然而歐元區主要國家在 1% 下具有顯著性。. 表 4.2. 各變數對數之 ADF Test t. Var.. (1). (2). (3). Intercept and trend. Intercept. None. Level. Difference. Level. Difference. Level. Difference. LGOLD. -1.99. -53.50***. -1.39. -53.49***. 2.21. -53.40***. LUSA. -2.16. -54.19***. -2.36. -54.15***. -2.54**. -54.04***. LDEU. -2.34. -54.58***. -1.99. -54.56***. -2.83***. -54.42***. LFRA. -2.32. -54.83***. -2.20. -54.79***. -2.94***. -54.64***. LPRT. -2.32. -54.45***. -2.36. -54.40***. -3.08***. -54.24***. LIRL. -2.19. -54.80***. -2.82*. -54.72***. -2.85***. -54.59***. LITA. -2.88. -14.57***. -2.06. -14.49***. -3.02***. -14.19***. LGRC. -2.19. -54.08***. -2.14. -54.04***. -2.88***. -53.91***. LESP. -2.27. -53.97***. -2.26. -53.92***. -3.25***. -53.75***. Notes: (1) Critical value for 1%, 5%, and 10% is -3.96, -3.41, and -3.13. (2) Critical value for 1%, 5%, and 10% is -3.43, -2.86, and-2.57. (3) Critical value for 1%, 5%, and 10% is -2.57, -1.94, and -1.62. *. p<0.1, **p<0.05, ***p<0.01.. 36.
(46) 表 4.3. 各變數對數之 PP Test Adj. t. Var.. (1). (2). (3). Intercept and trend. Intercept. None. Level. Difference ***. Level. Difference ***. Level. Difference. 2.29. -53.40***. LGOLD. -1.98. -53.54. -1.40. -53.52. LUSA. -2.18. -54.19***. -2.35. -54.15***. -2.50**. -54.07***. LDEU. -2.34. -54.57***. -1.99. -54.55***. -2.83***. -54.41***. LFRA. -2.33. -54.81***. -2.19. -54.77***. -2.95***. -54.63***. LPRT. -2.33. -54.44***. -2.35. -54.40***. -3.06***. -54.25***. LIRL. -2.17. -54.80***. -2.82*. -54.72***. -2.88***. -54.58***. LITA. -2.62. -54.34***. -2.05. -54.32***. -2.98***. -54.18***. LGRC. -2.21. -54.08***. -2.14. -54.04***. -2.87***. -53.92***. LESP. -2.28. -53.97***. -2.26. -53.92***. -3.24***. -53.76***. Notes: (1) Critical value for 1%, 5%, and 10% is -3.96, -3.41, and -3.13. (2) Critical value for 1%, 5%, and 10% is -3.43, -2.86, and-2.57. (3) Critical value for 1%, 5%, and 10% is -2.57, -1.94, and -1.62. *. p<0.1, **p<0.05, ***p<0.01.. 表 4.4. 各變數對數之 GLS Test t. Var.. (1). (2). Intercept and trend. Intercept. Level. Difference ***. Level. Difference. LGOLD. -2.19. -53.01. 1.29. -53.15***. LUSA. -0.90. -8.42***. 1.29. -4.84***. LDEU. -1.23. -54.16***. 1.67. -10.21***. LFRA. -1.02. -12.20***. 1.72. -6.41***. LPRT. -0.86. -54.06***. 1.81. -10.01***. LIRL. -0.57. -54.45***. 1.52. -8.56***. LITA. -1.18. -13.93***. 1.83. -7.04***. LGRC. -1.04. -53.80***. 1.63. -7.60***. LESP. -0.91. -14.17***. 1.96. -7.07***. Notes: (1) Critical values for 1%, 5%, and 10% is -3.48, -2.89, and -2.57. (2) Critical values for 1%, 5%, and 10% is -2.57, -1.94, and -1.62. *. p<0.1, **p<0.05, ***p<0.01. 37.
(47) 表 4.5. 各變數對數之 KPSS Test LM. Var.. (1). (2). Intercept and trend. Intercept. Level. LGOLD. ***. 0.34. LUSA. 0.96***. Difference. Level. Difference. 0.07. ***. 6.67. 0.16. 0.03. 5.94***. 0.30. LDEU. ***. 0.86. 0.03. ***. 6.26. 0.21. LFRA. 0.87***. 0.03. 6.21***. 0.27. LPRT. ***. 0.92. 0.03. ***. 6.16. 0.31. LIRL. 1.17***. 0.04. 5.83***. 0.47**. LITA. 0.82***. 0.03. 6.30***. 0.21. LGRC. 0.89***. 0.02. 6.36***. 0.26. 0.03. ***. 0.30. ***. LESP. 1.00. 6.27. Notes: (1) Critical values for 1%, 5%, and 10% is 0.22, 0.15, and 0.12. (2) Critical values for 1%, 5%, and 10% is 0.74, 0.46, and 0.35. *. p<0.1, **p<0.05, ***p<0.01.. 分析完原始資料型態後，我們再將資料做差分處理。觀察在無限制條件 下、僅含有常數項，以及無常數項亦無趨勢項下等條件時，四種檢測方法所 得知結果為何。在 ADF 法與 PP 法，不論受何種條件之下，得到的結果皆 為在信心水準 1% 下會有拒絕虛無假說之情形，我們將認為變數具有單根特 性，而經過差分項序列會趨於定態，時間序列上記為 I(1)。. 另外 GLS 法和 KPSS 法所得結果為，在無任何條件限制下， GLS 皆 在信心水準 1% 下會有顯著效果， KPSS 則無法拒絕虛無假說（序列是定 態的） ，我們可知此兩種方法所得出之結果互為一致，所有與分析之變數皆為 I(1) 。不過在僅有常數項條件之下， GLS 法中任何變數皆在顯著水準 1%. 38.
(48) 下有明顯性， KPSS 中僅愛爾蘭會在信心水準 5% 以下，認為序列是不穩 定的。. 總的來說，實證研究主要關注於變數在不受任何限制下，不論使用何種 檢測方法，在原始值抑或是經過一階差分項處理後，所得出之結果皆為相同。 說明我們有足夠的證據顯示欲分析之所有變數皆含有單根，此外，透過差分 項處理，所有序列亦皆為定態。. 39.
(49) 4.3. 實證研究結果 分析金融性商品間之波動關係前，我們先觀察各變數存在同質變異數理. 論下，主要通貨實質匯率與黃金的相關性皆為負相關，見表 4.6 。除了愛爾 蘭和黃金的相關性略為較低外，其他七種實質匯率與黃金的相關皆存在高度 負相關。而我們認為金融商品間之波動結果雖存有負向關係，但並不會有高 度相關且實際情形下，各國實質匯率的依存性並未符合同質變異數條件。當 我們將各國實質匯率與黃金價格放寬為異質變異數限制時，採用 Engle (2001) 動態條件相關模型，且以兩階段估計方法，所得之 log likelihood estimates 和 Wald test 結果為表 4.15 。. 40.
(50) 表 4.6. 同質變異數下各變數之相關係數. Correlation GOLD. GOLD. USA. DEU. FRA. PRT. IRL. ITA. GRC. ESP. 1.00 --. USA DEU FRA PRT IRL ITA GRC ESP. -0.83. 1.00. (-78.45). --. -0.81. 0.99. 1.00. (-94.61). (509.23). --. -0.80. 0.99. 1.00. 1.00. (-91.67). (614.64). (1667.02). --. -0.80. 0.99. 1.00. 1.00. 1.00. (-87.97). (668.82). (909.88). (1237.89). --. -0.67. 0.97. 0.97. 0.98. 0.98. 1.00. (-72.26). (677.05). (391.73). (434.81). (514.89). --. -0.83. 1.00. 0.99. 1.00. 1.00. 0.97. 1.00. (-94.80). (478.58). (1125.90). (1437.47). (1027.22). (382.21). --. -0.84. 0.99. 0.99. 0.99. 0.99. 0.96. 1.00. 1.00. (-95.85). (430.50). (703.48). (781.62). (640.13). (346.40). (877.37). --. -0.82. 1.00. 0.99. 1.00. 1.00. 0.97. 1.00. 1.00. 1.00. (-89.66). (561.87). (1013.90). (1224.73). (1219.14). (469.35). (1220.20). (882.89). --. Notes: The parentheses mean t values. 41.
(51) 由表 4.7 觀察得知，以動態條件相關估計美元實質匯率與黃金價格之波 動會介於 −0.463 至 −0.196 間影響，其中資料顯示當美國聯邦銀行在 2009 年 3 月 23 日宣布加碼貨幣寬鬆政策時，造成市場投資人紛而拋售美 元轉持有黃金，使得美元實質匯率和金價關係由 −0.386 下跌至 −0.463 。. 2011 年 9 月，黃金價格達到近幾年來之最。不過資料卻顯示，黃金價 格與美元實質匯率之變動並無明顯急遽波動之關聯性。. 接著觀察德國實質匯率和黃金價格變動關聯性，結果為表 4.8 。我們撇 除美國聯邦政府出手抑止黃金價格上漲，造成投資人對美元持有的強化效果 之前提下，其波動範圍約在 −0.45 至 −0.3 間震盪。. 表 4.7. 黃金價格報酬率與美元實質匯率報酬率之相關係數 -.15 -.20 -.25 -.30 -.35 -.40 -.45 -.50 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.432. -0.431. Std. Dev.. 0.012. 4.72E-17. Max.. -0.196. Min.. -0.463 42.
(52) 表 4.8. 黃金價格報酬率與德國實質匯率報酬率之相關係數 -.15 -.20 -.25 -.30 -.35 -.40 -.45 -.50 -.55 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.403. -0.402. Std. Dev.. 0.011. 4.54E-17. Max.. -0.195. Min.. -0.523. 然而德國與法國為主要歐元區中扮演重要的角色，法國實質匯率與金價 的變動結果為表 4.9 。當法國實質匯率變動 1% ，平均會造成黃金價格上 升 0.012% ，而當希臘、愛爾蘭、西班牙與葡萄牙等國相繼發生債信危機時， 德、法兩國與黃金價格雖存有動態波盪，但所受之衝擊並無明顯大幅度的震 盪。. 43.
(53) 表 4.9. 黃金價格報酬率與法國實質匯率報酬率之相關係數 -.15 -.20 -.25 -.30 -.35 -.40 -.45 -.50 -.55 -.60 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.408. -0.408. Std. Dev.. 0.012. 4.67E-17. Max.. -0.190. Min.. -0.562. 表 4.10. 黃金價格報酬率與葡萄牙實質匯率報酬率之相關係數 -.16 -.20 -.24 -.28 -.32 -.36 -.40 -.44 -.48 -.52 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.391. -0.391. Std. Dev.. 0.011. 4.31E-17. Max.. -0.194. Min.. -0.516. 44.
(54) 進而探討歐豬五國 (PIIGS) 之實質匯率和黃金價格關係，結果列於表 4.10 至表 4.14 。上表 4.10 中顯示葡萄牙與黃金價格之波動範圍為 −0.44 至 −0.32 間，平均變動幅度為 −0.391 ，投資人每增加持有 1% 的葡萄牙 實質匯率時，將會助長黃金價格上揚 0.011% 。而表 4.11 為愛爾蘭實質匯 率與黃金價格變動結果，在動態波動程度為 −0.53 至 −0.3 間變動，平均 波動幅度與採用固定相關係數一樣，皆為 −0.395 。其中 2002 年因全球經 濟發展腳步逐漸趨緩，造成以高科技出口導向的愛爾蘭在出口成長率下跌。 同時，愛爾蘭與黃金價格主要的變動原因為愛爾蘭自身經濟狀況不佳，接而 引起其實質匯率與黃金價格變動幅度影響。. 表 4.11. 黃金價格報酬率與愛爾蘭實質匯率報酬率之相關係數 -.15 -.20 -.25 -.30 -.35 -.40 -.45 -.50 -.55 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.395. -0.395. Std. Dev.. 0.012. 4.41E-17. Max.. -0.194. Min.. -0.534. 45.
(55) 黃金價格與義大利實質匯率的動態條件相關結果為表 4.12 ，兩者之間 的動態波動範圍介於 −0.4 至 −0.3 間。此國和其他四豬所得之固定係數結 論不盡相同。平均動態係數會有 −0.366 變動幅度，但採用固定係數估計下， 兩者之間的變動幅度平均卻高達 −0.697 。表示投資人若增加持有 1% 義大 利實質匯率下，會使得黃金價格下跌 0.697% ，但兩者金融性商品之間是否 依存在高度負相關關係變動，將在後面以 Wald 聯合檢定進一步探討相互影 響之程度為何。. 對於希臘而言，其影響結果為表 4.13 。其波動程度相對高於先前我們 所探討的主要歐元區之金融性商品變動。當希臘在 2010 年 2 月 25 日發財 財政問題時，我們從圖形得知，多增加 1% 的貨幣持有，會使得黃金價格下 滑 0.418% 。債信危機過後，雖然受助於歐盟之援助，但實質匯率卻是隨時 間增加而有大幅度的波動，意味著投資人並無法信任希臘政府能有效地改善 其內部經濟困境。另外，當希臘成員歐元同盟國一員時，其財政問題已飽受 外界所批判，所以當爆發主權債信問題時，造成其他歐元區國家紛而擔心是 否會受到波擊。但歐元僅為單一貨幣，且無共同債券可以當作清償對象，故 希臘發生危機時，使得歐元區主要強國為了不讓歐元價錢衰退，進而對希臘 做出一連串的金援救助行動。. 46.
(56) 表 4.12. 黃金價格報酬率與義大利實質匯率報酬率之相關係數 -.1 -.2 -.3 -.4 -.5 -.6 -.7 -.8 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.366. -0.697. Std. Dev.. 0.012. 7.51E-17. Max.. -0.169. Min.. -0.558. 表 4.13. 黃金價格報酬率與希臘實質匯率報酬率之相關係數 -.15 -.20 -.25 -.30 -.35 -.40 -.45 -.50 -.55 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.326. -0.325. Std. Dev.. 0.014. 3.88E-17. Max.. -0.170. Min.. -0.522. 47.
(57) 最後，表 4.14 為黃金價格與西班牙實質匯率之波動關係。平均來說， 當每增加持有 1% 的貨幣時，會帶動金價降低 0.374% 。而義大利實質匯率 與黃金的波動幅度則有 0.013% 。. 其中歐元區國家在 2012 年 4 月 16 日，皆與黃金價格存在有大幅震盪 的影響，主要原因為美國聯邦政府為了強化美元霸主的地位，出手抑止了黃 金價格的變動，造成部分投資人轉而持有美元。所以歐元區各國家之實質匯 率與黃金價格皆從 −0.2 的關係急遽下跌至 −0.5 。. 表 4.14. 黃金價格報酬率與西班牙實質匯率報酬率之相關係數 -.1. -.2. -.3. -.4. -.5. -.6 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 DCC. CCC. 動態相關係數 (DCC). 固定相關係數 (CCC). Mean. -0.374. -0.373. Std. Dev.. 0.013. 4.27E-17. Max.. -0.173. Min.. -0.553. 48.
(58) 上述分別研究黃金價格與各國實質匯率的波動影響，我們得到兩兩變動 的結果並未與表 4.6 所述，相關係數呈現高度負相關。除了希臘因本身財政 問題導致有明顯幅度改變之外，其他七國實質匯率的動態波動範圍大多介於. −0.4 至 −0.3 間震盪，平均而言，使用動態條件相關係數估計所得之結果 與固定條件相關係數大約相近。為了釐清金融性商品的變動是否符合我們所 預期的，變數之間是存有動態相關係數的。我們採用 Wald 聯合檢定，檢定 式 (3.23) 中的 α 與 β 是否同時為 0 。虛無假說為兩變數連動關係為固 定改變，對立假說則認為模型是為動態相關。假若拒絕虛無假說時，我們則 有充分的證據可以說明分析變數之間的關係是隨時間改變而有上下幅度的震 盪；反之，不能拒絕虛無假說時，表示我們並無充分的證據得以說明金融性 商品間的變動會隨時間波動而變動。. 使用 Wald 聯合檢定所得之結果為表 4.15 ，無論黃金價格與美元實質 匯率或是與主要歐元區國家實質匯率的影響。在信心水準 1% 下，都會拒絕 變數間之波動僅為一個固定常數，我們認為主要通貨實質匯率與黃金價格的 相關性是存在著動態關係波動的，這與我們所預期的結果一致。. 49.
(59) 表 4.15. 異質變異數下雙變數之 Wald 檢定. Variable. Log likelihood estimates. value. df. p-value. -7817.136. 79.867. 4. 0.000***. -7857.667. -7858.311. 83.420. 4. 0.000***. GOLD－FRA. -7849.821. -7851.362. 80.365. 4. 0.000***. GOLD－PRT. -7874.115. -7875.200. 141.811. 4. 0.000***. GOLD－IRL. -7868.068. -7869.363. 70.279. 4. 0.000***. GOLD－ITA. -7905.877. -10864.11. 248.945. 4. 0.000***. GOLD－GRC. -7947.612. -7948.217. 412.975. 4. 0.000***. GOLD－ESP. -7896.245. -7898.212. 613.598. 4. 0.000***. DCC. CCC. GOLD－USA. -7816.913. GOLD－DEU. Note: (1) Critical Value for 1% is 13.277 (2) ***p<0.01.. 50.
(60) 第五章 5.1. 結論與建議. 結論 隨著歐元崛起為世界第二大貨幣時，美國政府不惜為了發動戰爭造成競. 爭對手國的貶值，僅為了鞏固美元為世界霸主的地位。但在 2008 年雷曼兄 弟銀行倒閉，造成一連串的貨幣貶值，市場上的投資人為了避險，紛而轉持 有黃金部位，使得黃金價格急遽上漲；爾後，歐元區的國家也各自因主權債 信問題相繼影響到市場的波動。所以實質通貨匯率與黃金的變動關係應是存 在著負向效果，為了瞭解發生金融事件時，金融性商品間的相關波動程度為 何，我們使用 Engle (2002) 所提出的動態條件相關係數模型加以分析。. 實證分析前，我們採用當歐盟 2002 年正式啟用歐元之日到 2013 年 9 月底為分析基礎。透過時間序方法，各分析變數皆為 I(1) ，接著在同質變異 數假設下，觀察到黃金價格和美元實質匯率或歐元區各國實質匯率的變動情 形，呈現著高度負相關。但我們認為其影響程度並未具有大幅波動，故在採 用動態條件相關，並使用兩階段估計法下，觀察到各國實質匯率與黃金價格 變動平均僅會有 −0.4 左右的波動，意旨當投資人多持有 1% 的通貨，會造 成黃金價格報酬率下降 0.4% ，亦即黃金通貨匯率彈性為 −0.4% 。此外， 透過 Wald 聯合檢定說明黃金報酬率與實質匯率報酬率的波動影響是有明 51.
(61) 顯性的。實證結果與我們所預期的一致，金融性商品之報酬率是會隨著時間 變動而有動態變動的。其中黃金與外匯為負效果可由黃金規避掉非系統風險， 使得投資者更願意持有黃金部位。此負向效果間接說明了投資者對於黃金持 有與通貨匯率之比例是存在著替代關係。. 5.2. 建議 本文分析黃金價格與各國實質匯率之均數方程式皆為固定平均數，建議. 往後的實證分析可以將均數方程式擴充為 AR 模型，觀察金融商品（例如： 貴金屬、政府債券）與通貨匯率之間的影響程度為何。. 52.
(62) 參考文獻 一 國內文獻 白濬豪（2012） 。歐元匯率與歐元區主要國家股市動態相關之研究。國立高雄 大學應用經濟學系碩士班碩士論文。 李文斌（2010） 。黃金、原油與美元指數相關性之研究。淡江大學財務金融學 系碩士在職專班碩士論文。 李彥儒（2011） 。金價、油價與主要通貨匯率之關聯性分析。國立高雄大學應 用經濟學系碩士班碩士論文。 李淑慧（2011） 。以 DCC Garch 分析股價與匯率之相關性——以中國與新興 市場為例。國立暨南國際大學國際企業學系碩士論文。 林宏銘（2010） 。美元、股票市場、債券市場及商品市場之互動關係研究。國 立成功大學財務金融研究所碩士論文。 林育德（2008） 。世界主要貨幣與黃金價格關係之研究。國立成功大學國際企 業研究所碩博士班碩士論文。 林裕傑（2009） 。英、法、德、加四國股匯市報酬與美國股市報酬連動關係之 研究。國立高雄大學應用經濟學系碩士班碩士論文。 陳維邦（2008）。股價與石油價格波動性之關係-動態條件相關多變量模型之 應用。逢甲大學財務金融學所碩士論文。 黃姿穎（2009） 。油價、金價、匯率與國際股市之關聯性研究。義守大學財務 金融學系碩士班碩士論文。 劉怡孜（2011） 。油價、金價、匯率與股價關聯性之研究。世新大學財務金融 學研究所(含碩專班)碩士論文。 蕭建文（2009） 。金融風暴前後之金價、油價、美元匯率與利率關聯性分析。 國立中正大學財務金融所碩士論文。. 53.
(63) 二 國外文獻 Berben, Robert-Paul, & Jansen, W Jos. (2005). Comovement in international equity markets: A sectoral view. Journal of International Money and Finance, 24(5), 832-857. Chang, Hsiao-Fen, Huang, Liang-Chou, & Chin, Ming-Chin. (2013). Interactive relationships between crude oil prices, gold prices, and the NT–US dollar exchange rate—A Taiwan study. Energy Policy, 63(0), 441-448. Dickey, David A, & Fuller, Wayne A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a), 427-431. Engle, Robert. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350. Engle, Robert F, & Sheppard, Kevin. (2001). Theoretical and empirical properties of dynamic conditional correlation multivariate GARCH: National Bureau of Economic Research. Kwiatkowski, Denis, Phillips, Peter CB, Schmidt, Peter, & Shin, Yongcheol. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root? Journal of econometrics, 54(1), 159-178. Lee, Chia-Hao, Doong, Shuh-Chyi, & Chou, Pei-I. (2011). Dynamic correlation between stock prices and exchange rates. Applied Financial Economics, 21(11), 789-800. Morales, Lucía, & Andreosso-O’Callaghan, Bernadette. (2011). Comparative analysis on the effects of the Asian and global financial crises on precious metal markets. Research in International Business and Finance, 25(2), 203-227. Phillips, Peter CB, & Perron, Pierre. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346. 54.
(64) Said, Said E, & Dickey, David A. (1984). Testing for unit roots in autoregressive-moving average models of unknown order. Biometrika, 71(3), 599-607. Sari, Ramazan, Hammoudeh, Shawkat, & Soytas, Ugur. (2010). Dynamics of oil price, precious metal prices, and exchange rate. Energy Economics, 32(2), 351-362. Wang, Yu Shan, & Chueh, Yen Ling. (2013). Dynamic transmission effects between the interest rate, the US dollar, and gold and crude oil prices. Economic Modelling, 30, 792-798. Wang, Zenan. (2012). The relationships between silver price, gold price and US dollar index before and after the subprime crisis.. 55.
Outline
相關文件
Microphone and 600 ohm line conduits shall be mechanically and electrically connected to receptacle boxes and electrically grounded to the audio system ground point.. Lines in
• P u is the price of the i-period zero-coupon bond one period from now if the short rate makes an up move. • P d is the price of the i-period zero-coupon bond one period from now
• Extension risk is due to the slowdown of prepayments when interest rates climb, making the investor earn the security’s lower coupon rate rather than the market’s higher rate.
• A delta-gamma hedge is a delta hedge that maintains zero portfolio gamma; it is gamma neutral.. • To meet this extra condition, one more security needs to be
A factorization method for reconstructing an impenetrable obstacle in a homogeneous medium (Helmholtz equation) using the spectral data of the far-field operator was developed
A factorization method for reconstructing an impenetrable obstacle in a homogeneous medium (Helmholtz equation) using the spectral data of the far- eld operator was developed
Wang, Solving pseudomonotone variational inequalities and pseudocon- vex optimization problems using the projection neural network, IEEE Transactions on Neural Networks 17
Define instead the imaginary.. potential, magnetic field, lattice…) Dirac-BdG Hamiltonian:. with small, and matrix
