投資者關(guān)注與白銀價格、股票市場相關(guān)性

宋明慧

[摘 要] 隨著我國金融市場的不斷地進步和發(fā)展，人們的投資選擇越來越多，其中股票和貴金屬成為投資者的首要選擇，二者的相關(guān)性也是學者們的研究重點。互聯(lián)網(wǎng)的快速發(fā)展使得搜索引擎成為投資者獲得信息的主要來源，百度搜索是投資者使用頻率最高的搜索引擎。因此，基于百度指數(shù)運用ADCC-GARCH模型來分析研究白銀搜索量和白銀現(xiàn)貨價格、股票市場之間的多元動態(tài)相關(guān)關(guān)系。結(jié)果表明：百度指數(shù)數(shù)據(jù)能夠?qū)Π足y的價格產(chǎn)生影響，并能夠預測白銀的價格。而白銀價格在一定程度上又與股市有著負相關(guān)，所以百度指數(shù)會對股市的價格有一定的影響。

[關(guān)鍵詞] 百度指數(shù);白銀;滬深300指數(shù);ADCC-GARCH模型

[中圖分類號] F832.5[文獻標識碼] A[文章編號] 1009-6043（2019）12-0180-02

眾所周知，黃金和白銀歷來都是貴金屬市場的熱門品種，與黃金相比，白銀的市場規(guī)模較小，白銀價格的波動性更高，與我國的股票市場波動性高的特征更加契合，更加適合來分析兩者的相關(guān)性。隨著互聯(lián)網(wǎng)的普及，大多數(shù)的中小投資者往往會在互聯(lián)網(wǎng)上獲取白銀的相關(guān)信息。百度搜索是全球最大的中文搜索引擎，特別是對于中小投資者而言，百度搜索的廉價性、快捷性以及可依賴性相較其他搜索引擎更具優(yōu)勢。而百度公司推出的百度指數(shù)則顯示了百度搜索引擎的搜索量，反應(yīng)了投資者關(guān)注程度。為了能夠合理運用百度指數(shù)數(shù)據(jù)，則需要了解其與股票市場之間的動態(tài)相關(guān)關(guān)系。因此本文采用百度指數(shù)來進行數(shù)據(jù)分析，來探究白銀價格、股票市場和百度指數(shù)的動態(tài)相關(guān)性。

一、文獻綜述

目前關(guān)于網(wǎng)絡(luò)搜索量的文獻大致分為兩類，第一類互聯(lián)網(wǎng)搜索數(shù)據(jù)能夠?qū)?jīng)濟金融指標起到一定的預測作用。如Ettredge（2005） & Choi and Varian（2012）發(fā)現(xiàn)汽車銷量、失業(yè)率等可以通過谷歌趨勢的數(shù)據(jù)進行預測[1][2]。Guzman G（2011）研究得出互聯(lián)網(wǎng)上的搜索行為能夠?qū)νㄘ浥蛎涍M行預測[3]。國內(nèi)學者們對網(wǎng)絡(luò)搜索量和金融市場的相關(guān)性也頗有研究。例如劉燕（2018）則對百度指數(shù)對上證50進行了研究[4]。第二類是收益率的波動等與互聯(lián)網(wǎng)搜索數(shù)據(jù)的相關(guān)關(guān)系。Da Engelberg & Gao（2011）運用谷歌趨勢數(shù)據(jù)研究了其與交易量的相關(guān)關(guān)系[6]。有關(guān)網(wǎng)絡(luò)搜索量與貴金屬之間的動態(tài)相互關(guān)系的文獻還處于萌芽狀態(tài)，而且還在增長。Vozlyublennaia & Baur（2014）和Dimpfl（2016）利用谷歌趨勢研究了其與貴金屬價格之間的相關(guān)性[7][8]。在國內(nèi)，也有學者研究白銀和上證50指數(shù)相關(guān)性以及國內(nèi)股票市場和白銀市場的相關(guān)性[9][10]。目前關(guān)于白銀和網(wǎng)絡(luò)搜索量的文獻較少，所以本文基于白銀價格，白銀的網(wǎng)絡(luò)搜索量和股票市場進行相關(guān)性研究。

二、數(shù)據(jù)和方法

（一）數(shù)據(jù)來源

本文中數(shù)據(jù)時間跨度為2013年7月5日到2017年12月29日，數(shù)據(jù)頻率為每天。互聯(lián)網(wǎng)搜索數(shù)據(jù)來源于百度指數(shù)。滬深300指數(shù)數(shù)據(jù)和白銀現(xiàn)貨價格數(shù)據(jù)來源于東方財富。

（二）ADCC-GARCH模型

DCC-GAARCH模型用于檢驗兩個或多個數(shù)據(jù)之間的時變相關(guān)性。而DCC模型還是有一定的局限性，在2006年Cappiello等（2006）提出了ADCC模型，ADCC模型則能夠更好的檢測出變量之間的動態(tài)相關(guān)性[11]。DCC公式可以表示為：

其中三個矩陣A，B和G分別僅由一個元素a，b和g組成。參數(shù)，和被限制為正數(shù)并且總數(shù)小于1。如果這三個參數(shù)和能夠小于1，則能夠得到最優(yōu)解。所以將以此模型來研究百度指數(shù)、滬深300指數(shù)和白銀價格之間的相關(guān)性，更能準確解釋各變量之間的相關(guān)性。

三、研究結(jié)果

（一）描述性統(tǒng)計

本文先對各個數(shù)據(jù)以及對數(shù)差分后的數(shù)據(jù)進行了描述性統(tǒng)計，結(jié)果如下表所示。白銀價格和滬深300指數(shù)的均值和標準差差異較大，表明數(shù)據(jù)存在異常情況，所以對白銀價格和滬深300指數(shù)數(shù)據(jù)進行對數(shù)處理，并得到正常數(shù)據(jù)。從偏度來看，價格數(shù)據(jù)都呈現(xiàn)右偏，滬深300指數(shù)數(shù)據(jù)呈現(xiàn)左偏;從峰度來看，白銀價格和滬深300指數(shù)收益率序列都顯著大于0，這表明白銀價格和滬深300指數(shù)收益率序列出現(xiàn)了尖峰厚尾的特征。

（二）穩(wěn)健性檢驗

在構(gòu)造時間序列模型之前我們一定要進行穩(wěn)健性檢驗，否則可能會出現(xiàn)偽回歸問題。因此我們用ADF方法來進行檢驗，得出結(jié)果顯示，百度指數(shù)數(shù)據(jù)不存在單位根為平穩(wěn)數(shù)據(jù)，白銀和滬深300指數(shù)都是不平穩(wěn)數(shù)據(jù)。再對白銀價格數(shù)據(jù)和滬深300指數(shù)數(shù)據(jù)進行對數(shù)差分后數(shù)據(jù)平穩(wěn)。

（三）格蘭杰因果檢驗

格蘭杰因果檢驗?zāi)軌蚝芎玫卮_定變量之間的因果關(guān)系，因此本文在滯后階數(shù)為10的情況下進行格蘭杰因果檢驗，結(jié)果為0.0000000002和0.0002，均拒絕原假設(shè)。白銀價格和百度指數(shù)互為因果關(guān)系，即存在由白銀價格到百度指數(shù)的單向因果關(guān)系，同時也存在由百度指數(shù)到白銀價格的單向因果關(guān)系。

（四）相關(guān)性分析

在得到最佳滯后數(shù)10后，運用ADCC-GARCH模型得到相關(guān)系數(shù)圖，其結(jié)果如圖1所示：首先，白銀價格與白銀百度搜索量之間存在正相關(guān)關(guān)系，百度指數(shù)數(shù)據(jù)和白銀價格數(shù)據(jù)存在穩(wěn)定的正相關(guān)關(guān)系，這表明白銀價格較低時其網(wǎng)絡(luò)搜索量也較低，當白銀價格上漲時其網(wǎng)絡(luò)搜索量也隨之變化。而其網(wǎng)絡(luò)搜索量也會影響白銀價格的變化。其次，白銀百度指數(shù)和滬深300指數(shù)存在較高負相關(guān)關(guān)系。其百度指數(shù)的上升會導致滬深300指數(shù)的下降，百度指數(shù)的下降則相對于滬深300指數(shù)的上升。最后，通過相關(guān)系數(shù)圖分析得出，滬深300指數(shù)與白銀在極少數(shù)情況下會呈現(xiàn)負相關(guān)，在2015年滬深300指數(shù)出現(xiàn)波動時，白銀和滬深300指數(shù)存在一定的負相關(guān)，這表示白銀有一定的避險屬性，并能夠在股市波動時起到相應(yīng)的對沖。

四、結(jié)論與建議

本文分析了白銀價格、股票市場和網(wǎng)絡(luò)搜索量的動態(tài)相關(guān)性，首先進行了描述性統(tǒng)計檢驗和穩(wěn)健性檢驗，其次再進行格蘭杰因果檢驗和運用ADCC-Garch模型進行相關(guān)性分析，得出相關(guān)系數(shù)圖。最后得出結(jié)果如下：首先，百度指數(shù)數(shù)據(jù)和白銀價格之間存在雙向因果關(guān)系。其次，百度指數(shù)數(shù)據(jù)和白銀價格數(shù)據(jù)存在穩(wěn)定的正相關(guān)關(guān)系，這表明白銀價格較低時其網(wǎng)絡(luò)搜索量也較低，當白銀價格上漲時其網(wǎng)絡(luò)搜索量也隨之變化。而白銀的網(wǎng)絡(luò)搜索量也會影響白銀價格的變化。最后，股票市場與白銀在大部分時間里呈現(xiàn)正相關(guān)關(guān)系，在極少數(shù)情況下會呈現(xiàn)負相關(guān)關(guān)系、2015年股市下跌期間，白銀和股票市場呈現(xiàn)微弱的負相關(guān)關(guān)系，這表明白銀有一定的避險屬性，在股市不穩(wěn)定期間白銀起到了一定的對沖作用。總而言之，百度指數(shù)數(shù)據(jù)能夠?qū)Π足y的價格產(chǎn)生影響，并能夠預測白銀的價格。而白銀價格在一定程度上又與股市有著負相關(guān)，所以百度指數(shù)會對股市的價格有一定的影響。這些研究發(fā)現(xiàn)，對中小投資者而言，網(wǎng)絡(luò)搜索量能夠預測未來白銀價格的走勢，投資者則可以通過這種預測來進行有效投資。其次，白銀有其特定的避險屬性，把白銀放到投資組合當中能夠更好地保證投資者的收益。

[參考文獻]

[1]Ettredge M，Gerdes J，Karuga G.Using web-based search data to predict macroeconomic statistics[J].Commun.ACM， 2005，48（11）：87-92.

[2]Choi H，Varian H.Predicting the present with Google Trends [J]. Econ.Rec.，2012， 88 （s1）：2-9.

[3]Guzman G.Internet search behavior as an economic forecasting tool： the case of inflation expectations[J]. Econ.Social.Meas.，2011，36（3）：119-167.

[4]劉燕.基于百度指數(shù)的上證50指數(shù)預測研究[D].上海：上海師范大學，2018.

[5]Da Z，Engelberg J，Gao P J. In search of attention[J].The Journal of Finance， 2011，66（5）：1461-1499.

[6]Vozlyublennaia N.Investor attention，index performance，and return predict ability[J].Bank.Financ.，2014，41：17-35.

[7]Dimpfl T，Jank S.Can internet search queries help to predict stock market volatility？[J].Eur.Financ.Manag.，2016，22（2）：171-192.

[8]馬悅，孫慧玲.白銀價格與上證50的相關(guān)性分析[J].通化師范學院學報，2017，38（2）：33-35.

[9]林彬.國內(nèi)股票市場與白銀市場的相關(guān)性研究及統(tǒng)計分析[D].福州：福建師范大學，2016.

[10]Cappiello L，Engle R，Sheppard K.Asymmetric dynamics in the correlations of global equity and bond returns[J]. Financ Econ.，2006，4（4）：537-572.

[11]楊曉雁.我國貴金屬期貨市場間的波動溢出效應(yīng)實證研究[D].杭州：浙江財經(jīng)大學，2014.

[12]Guo-Dong Liu，Chi-Wei Su. The dynamic causality between gold and silver prices in China market： A rolling window bootstrap approach[J]. Finance Research Letters，2018.

[13]李燕平，趙翔宇.基于VAR模型的白銀價格影響因素分析[J].經(jīng)濟問題，2015（10）：67-71.

[14]喬莉.基于黃金和白銀市場的貴金屬價格影響因素分析[D].沈陽：遼寧大學，2014.

[15]林立嘉.關(guān)于貴金屬投資對股票市場風險規(guī)避功能的研究[D].武漢：華中科技大學，2012.

[責任編輯：史樸]