我國黃金與原油對新能源收益的非線性影響研究

摘要：在環境污染問題日益突出的背景下，新能源的發展變得越發重要。文章基于2018年3月26日到2021年9月1日的數據，運用分位數對分位數回歸的方法，分析了我國黃金和原油對新能源收益的影響。結果表明：黃金對新能源的正影響主要集中在新能源處于極端市場情況下，而當新能源處于正常市場時，黃金可以作為新能源的對沖資產。原油對新能源的正影響具有明顯的非對稱性，當原油和新能源都在熊市下時，兩者的依賴性更強。經過穩健性檢驗后，結果仍舊是可靠的。這些結果對于投資者以及政策制定者的合理決策具有重要的參考意義。

關鍵詞：新能源；原油；黃金；分位數對分位數回歸

中圖分類號：F224??文獻標識碼：A??文章編號：1005-6432（2023）14-0000-04

[DOI]10.13939/j.cnki.zgsc.2023.14.000

1??引言

近年來，空氣污染和過多的碳排放成為了全球范圍內的普遍問題。國際上先后簽訂了《京都議定書》和《巴黎協定》，以控制各國的溫室氣體排放量，防止全球氣候變暖。為了進一步強調環境污染問題，促進中國節能減排更好實施，2020年9月22日，中國國家主席習近平提出了“碳中和，碳達峰”的目標。在這種背景下，新能源的發展前景不可忽視。新能源與傳統能源相比，具有低碳、清潔的特點，在環境保護和可持續發展進程中有著重要作用。由于投資者對石油波動以及氣候變化的擔憂，加之新能源投資對于環境和氣候具有積極影響，所以，大部分投資者及學者們認為新能源的發展更具有可持續性，投資新能源具有巨大的機會（溫曉倩等，2012；He等?，2021）[1-2]。本文研究黃金和原油對新能源收益的影響，對于投資者的投資組合具有重要參考意義。

從黃金與新能源的關系來說，由于黃金具有避險屬性，當市場處于動蕩期間，投資者可能會改變投資組合比例，將黃金納入投資組合中，作為對沖風險的手段，以影響新能源股價。從原油與新能源的關系來說，由于原油和新能源具有替代效應，當原油價格上漲時，消費者將用更便宜的新能源代替價格昂貴的原油，使得新能源股價上漲（Uddin等，2019）[3]。另外，由于新能源的建造和安裝成本較高，當油價下跌時，會抑制新能源項目的吸引力和經濟可行性（Ferrer等，2018）[4]，這一現象最終可能會壓低股價。所以，本文認為它們之間具有較強的內在聯系。

目前大多數文獻主要研究的是新能源與原油之間的關聯。但是它們之間的關系似乎并未達成共識。大多數文獻證實新能源與原油之間存在正相關關系。如Sadorsky?（2012）[5]通過多元GARCH模型分析了石油與清潔能源股、科技股之間的波動溢出，表明清潔能源股票價格與科技股、石油價格均有高度正相關性。Reboredo（2015）[6]根據Copula與CoVaR模型，認為石油和可再生能源之間存在顯著的對稱尾部依賴性。一些文獻則持不同的觀點，如Ferrer等（2018）[4]通過時頻連通性方法，側重于石油和可再生能源時頻上的關系，發現原油在長短期都不是清潔能源股價的驅動因素。而Dawar等（2021）[7]則將重點主要放在了分位數上，采用分位數回歸的方法，發現雖然清潔能源處于看跌市場條件下時，清潔能源對原油的價格具有很強的依賴性，但在高分位數下，原油對清潔能源的影響不大。一些文獻檢驗了總體股票指數與黃金的關系，但通常集中在收益分布的均值和方差上，而忽略了尾部的相關性（?董杰等，2012；Kumar等，2020；?Akbar等，2019）[8-10]，而很少有文獻將新能源指數與黃金的影響關系進行考慮。

通過對以上文獻的歸納，可以發現現有文獻有以下幾個特點：第一、目前已有的文獻多注重于新能源指數和原油的研究，黃金對新能源的關系研究較少。第二、目前對于新能源與原油之間的研究，幾乎都是研究變量均值之間的影響，而忽視了變量的尾部特征。鑒于此，本文的主要邊際貢獻有以下兩點：其一，本文將原油和黃金與新能源聯系起來，分析原油和黃金對新能源的影響，填補了研究的空白。其二，本文運用Sim和Zhou?（2015）[11]提出的分位數對分位數回歸的方法（以下簡稱：QQR），該方法可以充分識別變量間整個分位數分布的關系特征，捕獲非對稱和非線性的影響，使得結果更加全面可觀。

本文的其余部分如下：第2節描述了采用的模型方法和數據分析。第?3?節討論了本文的實證結果和相應的理論解釋。第4節進行了穩健性檢驗。最后第5節討論了結果以及簡要的建議。

2???方法和數據

2.1??方法：分位數對分位數方法

本文使用由Sim和Zhou（2015）[11]提出的QQR方法來研究黃金、原油對新能源的影響。QQR?方法結合了傳統的分位數回歸和非參數估計，可用于實證研究解釋變量的分位數如何影響被解釋變量的條件分位數。QQR方法不光可以完全觀察兩個變量之間不對稱的關系。另外，如今一些文獻已經證明金融資產間的非線性（楊子暉等，2019）[12]。因此，比起一些研究線性關系的方法，QQR方法也更適合用來研究變量間可能存在的非線性關系。

在本文的研究框架中，QQR模型可以根據下列非參數分位數回歸模型拓展得來：

其中，代表中國在t時期新能源指數的收益，代表t時期黃金和原油的收益，是新能源指數的條件分位數，表示分位數誤差項，其條件分位數等于0。函數是未知的，因為本文沒有任何關于新能源與黃金、原油之間有多大關系的先驗信息。可以通過一階泰勒展開來近似得到該函數：

其中是關于的偏導數。可以看到，和是和的函數，而是的函數，于是方程（2）又可以寫成：

將方程（3）代入到方程（1）得到：

為了估計方程（4），本文用估計值和分別替代和，和作為和的估計值。然后解決以下式子：

另外，采用了高斯核函數，并基于帶寬h，對進行加權。這些權重與和之間的距離成反比，其中經驗分布函數的距離為：

在核回歸中，帶寬的選擇非常重要。帶寬決定了目標點周圍區域的大小，控制結果估計的平滑度。帶寬越大，估計偏差的可能性就越大；帶寬越小，估計方差就越大。因此，必須選擇在偏差和方差之間達到平衡的帶寬。本文采用的帶寬參數h=0.05。

2.2???數據

中證內地新能源主題指數編制時間較早，涵蓋規模較大、盈利較好的50只成分股，反映了新能源產業公司的整體表現，是新能源市場的代表性指標之一，本文將此作為新能源的代表。黃金選取近幾年成交量最大的Au9999作為代表性數據，原油數據則為上海國際能源交易中心交易的原油期貨。由于中國原油期貨自2018年3月26日上市，所以本文樣本區間為2018年3月26日-2021年9月1日，剔除周末與節假日，共839個觀測值。所有原始數據均進行對數一階差分處理，即，以校正數據的異方差、非平穩性和序列間的維數差異。表1提供了序列差分后的描述性統計結果。可以發現原油出現正偏態分布，而黃金和新能源則出現負偏態分布，所有序列的峰度都大于3，J-B檢驗也顯著。說明序列都不是正態分布的。從ADF的統計檢驗可以發現所有序列都是平穩序列。

3???實證結果

在本節中討論了QQR的估計結果。斜率系數的估計值的結果顯示在z軸上面，y軸代表黃金或原油的分位數，x軸代表新能源的分位數。

圖1的面板A展示了AU9999對NE的影響。可以發現，當NE處于極端市場情況下時，?AU9999對NE具有強烈的正影響。但當NE處于正常市場下，AU9999對于NE的影響不顯著甚至為負。這說明在熊市期間，黃金并不能作為新能源指數的避險資產，但當新能源處于正常市場情況下，黃金可以作為新能源的對沖，納入擁有新能源資產的投資者的投資組合中。

從圖1面板B的結果來說，Oil對NE具有正影響。一方面，隨著原油價格的上漲，消費者和能源公司會選擇用新能源替代傳統能源，于是新能源股價會上升。另一方面，由于新能源的成本很高，所以隨著原油價格下跌，企業可能會放棄投資新能源的項目，導致新能源股票價格下跌，這使得兩者之間存在正相關。進一步的，可以發現Oil對NE的影響是非對稱的，當兩者都處于低分位時，兩者的相關性明顯大于其他分位數情況下。這一結果與?Dawar等（2021）[7]發現的結果類似，然而不同的是，Dawar所用的QR方法只考慮了新能源的分位數，原油則處于均值情況。而本文所用的QQR方法進一步的將原油進行分位數細分，認為新能源和原油都處于看跌市場情況下時，兩者的正向關系更為緊密。

4??穩健性分析

由于QQR方法是QR方法的進一步拓展，所以，為了檢驗QQR方法的結果是否是有效的，本節采用QR的方法來進行驗證。將QQR的平均斜率系數與QR的斜率系數進行比較，如圖2所示。

圖2顯示了黃金和原油對新能源的影響結果。可以看到，在新能源的整個分位數下，QQR的平均斜率系數都與QR的系數趨勢相似，這證實了前面章節的QQR結果的穩健性。

5??結論

近幾十年來，全球受到氣候變暖、溫室氣體增加等環境問題的嚴峻挑戰，我國為減輕溫室氣體排放提出“碳中和，碳達峰”的目標。新能源作為一種低碳、清潔的新型能源，在環境保護和可持續發展進程中發揮著重要的作用。鑒于此，新能源愈發受到投資者的重視。因此，本文應用了QQR方法，來估計了我國黃金和原油對新能源指數的影響。與一些傳統的方法相比，QQR方法的優勢在于可以對自變量和因變量的整個分位數的關系進行觀察，使得結果更加全面。

本文的研究有幾點結論。一方面，當新能源處于看漲和看跌市場時，黃金與新能源具有很強的正向關系，但當新能源處于正常市場時，兩個的相關性很小。另一方面，原油對新能源的正影響具有明顯的非對稱性，當原油和新能源都在熊市下時，兩者的依賴性更強，而在其他的分位數下，兩者之間的關系不明顯。?本文的研究結果對于新能源投資者具有重要指導意義。首先，由于在看跌市場時新能源與原油具有較強的正相關性，所以投資者們應該在新能源市場看跌時高度關注原油價格的變化。另外，由于新能源指數在正常市場條件下不依賴于黃金，說明黃金可與新能源組合提供多元化收益。然而，與傳統觀念不同的是，當新能源處于看跌市場時，黃金并不能作為新能源指數的避險工具，因此當面臨市場低迷時，新能源投資者應避免將黃金納入投資組合。另外，政策制定者可以通過了解黃金和原油對于新能源的影響，以便設計更有效的政策工具來促進我國新能源行業的發展。總的來說，本文研究的黃金和原油對新能源的影響關系，特別是在極端市場條件下，可能有助于投資者和政策制定者識別與新能源指數相關的下行風險。

參考文獻：

[1]溫曉倩，?魏宇，?黃登仕.?我國新能源公司股票價格與原油價格的波動率外溢與相關性研究?[J].?管理評論，?2012，?24（12）：?20-30.

[2]HE?H，?SUN?M，?GAO?C，?et?al.?Detecting?lag?linkage?effect?between?economic?policy?uncertainty?and?crude?oil?price：?A?multi-scale?perspective?[J].?Physica?a-Statistical?mechanics?and?its?applications，?2021（580）.

[3]UDDIN?G?S，?RAHMAN?M?L，?HEDSTROM?A，?et?al.?Cross-quantilogram-based?correlation?and?dependence?between?renewable?energy?stock?and?other?asset?classes?[J].?Energy?Economics，2019（80）：743-759.

[4]FERRER?R，?HUSSAIN?SHAHZAD?S?J，?LOPEZ?R，?et?al.?Time?and?frequency?dynamics?of?connectedness?between?renewable?energy?stocks?and?crude?oil?prices?[J].Energy?economics，?2018，76：1-20.

[5]SADORSKY?P.?Correlations?and?volatility?spillovers?between?oil?prices?and?the?stock?prices?of?clean?energy?and?technology?companies?[J].?Energy?economics，2012，34（1）：248-255.

[6]REBOREDO?J?C.?Is?there?dependence?and?systemic?risk?between?oil?and?renewable?energy?stock?prices？?[J].?Energy?economics，2015（48）：32-45.

[7]DAWAR?I，?DUTTA?A，?BOURI?E，?et?al.?Crude?oil?prices?and?clean?energy?stock?indices：lagged?and?asymmetric?effects?with?quantile?regression?[J].?Renewable?energy，2021（163）：288-299.

[8]董杰，?潘和平，?姚一永，等.基于DCC-MVGARCH模型的石油、股票和黃金市場相關性實證研究[J].預測，2012，31（4）：53-57.

[9]KUMAR?S，?KUMAR?A，?SINGH?G.Causal?relationship?among?international?crude?oil，?gold，?exchange?rate，?and?stock?market：?Fresh?evidence?from?NARDL?testing?approach[J].International?Journal?Of?Finance?&?Economics，?2020（12）.

[10]AKBAR?M，IQBAL?F，?NOOR?F.Bayesian?analysis?of?dynamic?linkages?among?gold?price，?stock?prices，?exchange?rate?and?interest?rate?in?Pakistan?[J].Resources?Policy，?2019，62：154-164.

[11]SIM?N，?ZHOU?H.?Oil?prices，US?stock?return，?and?the?dependence?between?their?quantiles?[J].?Journal?Of?Banking?&?Finance，?2015（55）：1-8.

[12]楊子暉，陳雨恬，陳里璇.極端金融風險的有效測度與非線性傳染?[J].?經濟研究，2019，54（5）：63-80.

[作者簡介]楊慧慧（1997—），女，成都理工大學商學院，應用經濟學研究生，研究方向：金融理論與風險管理。