有色金属行业投资策略-黄金价格定量分析：2024年金价有望延续上行趋势.docx

该【有色金属行业投资策略-黄金价格定量分析：2024年金价有望延续上行趋势 】是由【琥珀】上传分享，beplayapp体育下载一共【12】页，该beplayapp体育下载可以免费在线阅读，需要了解更多关于【有色金属行业投资策略-黄金价格定量分析：2024年金价有望延续上行趋势 】的内容，可以使用beplayapp体育下载的站内搜索功能，选择自己适合的beplayapp体育下载，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此beplayapp体育下载到您的设备，方便您编辑和打印。目 录1、黄金定性分析:金价变动遵循“属性-预期-价格”传导 3、金融属性:对黄金短期价格波动影响显著 3、货币属性:黄金是主权货币信用的背书,从长期维度影响金价 4、商品属性:供需对金价的影响较小,中期维度影响金价 62、黄金定量模型:解构金价影响因子,对预测能力进行补充 6、“世界黄金协会金价模型”较好解释历史金价中影响因子强弱变化 7、GARCH模型则在对未来金价的可预测性上进行较好补充 93、投资建议与受益标的 124、风险提示 13图表目录图1:金价分析遵循“属性—预期—价格”的传导链条 3图2:实际利率通过机会成本和金融避险与金价呈现负相关关系 4图3:美元指数通过相对价值与信用避险与金价呈现负相关关系 4图4:货币从金本位制转向纸币本位制 4图5:相对于黄金,主要货币和大宗商品的购买力已大幅下降 5图6:2023年全球央行净购金量达1037吨,略低于2022年 5图7:黄金与全球流动性之间存在较强的正相关关系 5图8:黄金的需求中珠宝占比最大 6图9:黄金供应以矿产金为主,表现刚性 6图10:矿产金产量全球分布较为均匀 6图11:GRAM模型显示2月份黄金收益率变动主要由利率变动解释 8图12:GRAM模型因子拟合效果较好 9图13:汇率和动量的变动是影响月度金价回报率变动的主要因素 9图14:基于GARCH模型的金价预测 11图15:基于GARCH模型的金价影响因子解释图 11图16:基于GARCH模型的2024H1金价预测(单位:美元/盎司) 12表1:世界黄金协会GRAM模型按照相似属性建立指标篮子 7表2:GARCH黄金定量模型从可预测角度选择参数 10表3:彭博对关键经济数据的假设 12表4:推荐标的盈利与估值预测 131、黄金定性分析:金价变动遵循“属性-预期-价格”传导金价分析分析遵循“属性-预期-价格”传导。黄金价格的金融属性主要受到美国经济预期、美联储货币政策预期的影响,预期的转化节点往往是催化金价的重要节点,具体预期的划分以及如何影响金价可以参考我们的第一篇黄金深度《黄金定价与预期理论,2023H2金价走势展望》。价格的货币属性主要受到避险需求和实物金需求的影响,央行购金从长期支撑金价中枢的抬升,地区冲突、经济危机等风险事件将对金价上涨产生正向作用。价格的商品属性主要受到大宗商品等代表通胀预期的影响,一方面大宗商品代表的通胀预期对金价呈现正向作用,另一方面,大宗商品价格受到供需面的影响,当经济衰退或者滞胀时,需求往往下行,此时大宗商品价格往往受到抑制,但是在此阶段的避险需求对黄金价格起到支撑作用,这时大宗商品价格与黄金价格呈现负相关性。图1:金价分析遵循“属性—预期—价格”的传导链条资料来源:研究所、金融属性:对黄金短期价格波动影响显著短期金价波动受到金融属性影响较大。黄金在非货币化后,其金融属性开始显现,主要体现在资产配置(对冲保值)、国家储备、避险保值、融资工具等方面。黄金基于零票息特征使得其和其他大部分资产的相关性较差,因此持有黄金具有相对价值,可以部分抵消美元贬值以及通货膨胀带来的风险。金融属性中实际利率(美国10年期国债收益率)、美元指数与黄金的负相关性最明显。金价波动与实际利率呈负相关关系,主要基于机会成本与金融风险规避。一方面,实际利率代表了持有黄金的机会成本,因此机会成本与金价涨跌呈负相关关系。另一方面,实际利率的下行,往往伴随着名义利率(国债收益率)的下行或者通胀预期的快速上涨,意味着经济下行和经济运行风险的逐渐暴露,此时避险需求增加,进而基于避险需求而利好黄金。金价波动与美元指数呈负相关关系,主要基于相对价值与信用风险规避。相对价值变动角度看,黄金主要以美元计价,因此美元的强弱将直接影响黄金价格。但值得注意的是,美元指数的强弱变化除了体现在其对其他主权货币的购买力的变动外,还体现在其相对货币信用的波动变化。相对信用角度看,美元指数的波动,亦体现出主权信用(美元等)和超主权信用(黄金等)的相对变动。因此美元的走强亦隐含了主权信用相对超主权信用的边际走强。图2:实际利率通过机会成本和金融避险与金价呈现负相关关系图3:---2,2001,7001,2007002002003Q12004Q12005Q12006Q12007Q12008Q12009Q12010Q12011Q12012Q12013Q12014Q12015Q12016Q12017Q12018Q12019Q12020Q12021Q12022Q12023Q1-300---2,5002,0001,5001,0005002003Q12004Q12005Q12006Q12007Q12008Q12009Q12010Q12011Q12012Q12013Q12014Q12015Q12016Q12017Q12018Q12019Q12020Q12021Q12022Q12023Q10实际利率相关系数美元指数相关系数伦敦现货黄金:以美元计价(美元/盎司,右轴) 伦敦现货黄金:以美元计价(美元/盎司,右轴)数据来源:、研究所 数据来源:、研究所、货币属性:黄金是主权货币信用的背书,从长期维度影响金价货币具有价值尺度、流通手段、贮藏手段、支付手段和世界货币五大基本职能。货币天然是金银,自1717年9月牛顿在英国皇家造币厂推行金本位时,黄金便戴上了硬通货的光环,世界货币史上先后经历了金币本位制、金块本位制、金汇兑本位制(含布雷顿森林体系)和纸币本位制。布雷顿森林体系解体后,美元虽不再绑定黄金,但其国际本位货币价值的重要来源之一,仍然是其超过8000吨的黄金储备。时至今日,黄金作为硬通货具备的价值储藏功能仍然被国际社会所认可。当下,黄金仍然是各国央行外汇储备中的重要部分,起着支持法定货币发行、维护币值和汇率稳定的作用。因此为维持主权货币的信用,各国央行在宽货币的过程中将持续增持黄金作为重要的外汇储备,从长周期维度上支撑金价上涨。图4:货币从金本位制转向纸币本位制资料来源:研究所根据世界黄金协会数据显示,2023全年净购金量为1037吨,只比2022年的历史记录少了45吨。自2022年11月以来,中国人民银行连续增加黄金储备,累计增加了287吨。2023年第四季度,人行增储黄金44吨,将全年购金量推至225吨。截至2023年,中国官方黄金储备已达2235吨,%。图5:相对于黄金,主要货币和大宗商品的购买力已大幅下降图6:2023年全球央行净购金量达1037吨,略低于2022年25002000150010005000央行净购金(吨,右轴)伦敦现货黄金:以美元计价(美元/盎司,左轴)5004003002001000-100-200-3002003-032004-082006-012007-062008-112010-042011-092013-022014-072015-122017-052018-102020-032021-082023-01-400 资料来源:世界黄金协会 数据来源:、研究所基于黄金作为安全资产的共识,黄金成为了主权货币信用的背书。长期来看,黄金跑赢了历史上的主要的人类主权货币。主权货币国家对货币使用者做出两个最基本的承诺:一是主权国家提供的主权信用担保作为“自证”,二是黄金储备提供的超主权信用担保作为“他证”。我们统计了全球六大国家(美国、欧盟、英国、加拿大、日本、中国)的货币供应量,计算得到全球流动性指标,黄金与全球流动性之间存在明显的正相关性,最佳相关系数可以达到+,2022年9月至2023年7月,黄金与全球流动性之间的相关性达到+。此外,由于黄金是安全资产,是世界公认的“硬通货”,基于货币属性的避险需求也是影响金价波动的重要原因。图7:黄金与全球流动性之间存在较强的正相关关系Correlation++++-10-20-301981-011982-081984-031985-101987-051988-121990-071992-021993-091995-041996-111998-062000-012001-082003-032004-102006-052007-122009-072011-022012-092014-042015-112017-062019-012020-082022-03-40全球流动性同比(%) 伦敦现货黄金:以美元计价:同比(%)数据来源:、研究所、商品属性:供需对金价的影响较小,中期维度影响金价黄金作为一种大宗商品,天然拥有商品属性。供应端,黄金属于稀缺资源,以矿产金为主,再生金为辅,矿产金产量表现较为刚性,全球分布较为均匀。需求端,珠宝金饰需求量占比最大,但是投资需求对金价影响最大,主要原因在于黄金投资交易量远超实物需求量,2020年全球黄金交易总量是实物需求量的179倍。因此基本供需结构对金价的影响较小。此外,黄金基于商品属性具备在经济扩张周期中的抗通胀的能力。一方面,大宗商品代表的通胀预期对金价呈现正向作用;另一方面,大宗商品价格受到供需面的影响,当经济衰退或者滞胀时,需求往往下行,此时大宗商品价格往往受到抑制,但是在此阶段的避险需求使得黄金价格受到支撑,这时大宗商品与黄金表现为负向作用。因此商品属性对金价变动的相关性并非单一方向。图8:黄金的需求中珠宝占比最大资料来源:世界黄金协会黄金:矿产量:其他国家,25?黄金:矿产量:澳大利亚,10?黄金:矿产量:南非,10黄金:矿产量:中国,10黄金:矿产量:美国,9?图9:黄金供应以矿产金为主,表现刚性 图10:矿产金产量全球分布较为均匀100%80%60%40%20%0%-20%金矿生产生产商净套保回收金黄金:矿产量:美国 黄金:矿产量:澳大利亚 黄金:矿产量:巴西黄金:矿产量:加拿大 黄金:矿产量:中国 黄金:矿产量:加纳黄金:矿产量:印度尼西亚 黄金:矿产量:墨西哥 黄金:矿产量:巴布亚新几内亚黄金:矿产量:秘鲁 黄金:矿产量:俄罗斯 黄金:矿产量:南非黄金:矿产量:乌兹别克斯坦 黄金:矿产量:其他国家 数据来源:、研究所 数据来源:、研究所(注:数据为1994-2022年各国矿产金量年均值)2、黄金定量模型:解构金价影响因子,对预测能力进行补充、“世界黄金协会金价模型”较好解释历史金价中影响因子强弱变化世界黄金协会(WGC)2023年推出了GRAM模型(GoldReturnAttributionModel),旨在量化短期内各影响因子对金价月度收益率变化的贡献程度。他们认为,长期看,全球人均财富和收入对金价变动起着关键作用,而短期内,汇率、相对资产价值和市场风险等宏观经济因素对金价的影响占主导地位。为刻画回报率的概念,GRAM模型先对数据取对数后进行差分,或直接对月度数据进行差分。GRAM模型主要解决以下三个问题:量化每个驱动因素对黄金月度价格回报率变动的贡献;研究黄金及其驱动因素之间随着时间变化而变化的关系;确定现有驱动因素不能完全解释黄金回报率的时间段,表明有些驱动因素存在一次性影响、揭示指标演变的动态以及不同时期存在的新的影响因素;GRAM模型选择使用普通最小二乘法(OLS)建模,自上而下和自下而上相结合筛选影响因子,并按照相似属性对其分组建立指标篮子,包括经济扩张、风险和不确定性、机会成本—利率、机会成本—汇率、动量和趋势五大指标篮子,每个因子群下面包括2-3个指标(详见下表)。主要指标包括美元汇率、金价滞后一阶、ETF资金流、黄金净多头、美国10年期国债收益率及其滞后一阶、美国通胀预期及其滞后一阶等。表1:世界黄金协会GRAM模型按照相似属性建立指标篮子指标篮子指标名称英文简称原始数据计算方式经济扩张常数const无OLS回归得到的常数项发达国家市场汇率dmfx美元兑欧元、美元兑日元等权平均,取对数,差分机会成本—汇率发达国家市场汇率滞后一阶dmfx_1 美元兑欧元、美元兑日元等权平均,取对数,差分,滞后一阶等权平均,取对数,差分,滞新兴国家市场汇率 emfx 美元兑澳元、美元兑人民币后一阶金价滞后一阶 ex黄金价格 取对数、差分、滞后一阶全球黄金ETF资金总量变动量和趋势动全球黄金ETF资金总量变动滞后一阶etf_flows 全球黄金ETF总资产(USD)差分etf_flows_1 全球黄金ETF总资产(USD)差分,滞后一阶黄金持仓净多头按照总持仓缩放_oiComex黄金净多头、总持仓量Comex黄金净多头/总持仓,差分权益/债券资金流动 wdeqflow_wdbondflow 权益/债券资金流 Bloomberg资金流,差分Come金价3个月隐含波动glodvol 黄金期权 BSM公式,差分率风险和不确定性美联储总资产 fed_assets_1 farbast指数 取对数,差分,滞后一阶布伦特原油价格 brent_crude 布伦特原油现货价格 取对数,差分美国10年期国债收益率、美美国通胀预期 usb10美国通胀预期滞后一阶 usb10_1国10年期TIPS美国10年期国债收益率、美国10年期TIPS做减法,差分做减法,差分,滞后一阶机会成本—利率美国10年期国债收益率 usn10 美国10年期国债收益率 差分指标篮子 指标名称 英文简称 原始数据 计算方式美国10年期国债收益率滞后一阶资料来源:WGC、研究所usn10_1 美国10年期国债收益率 差分,滞后一阶GRAM模型时间区间从2007年2月-2024年2月,模型先后通过稳定性检验、多重共线性检验、自相关性检验,解释力度(R2)达到62%。较好的分析了导致月度金价收益率变化的影响因子。回归结果显示影响较大的因子有发达国家市场汇率及其滞后一阶、新兴国家市场汇率、金价滞后一阶、黄金持仓净多头按照总持仓缩放、权益/债券资金流、美联储总资产,影响系数分别为-、-、-、-、、-、,从GRAM模型回归结果看,汇率和动量的变动是影响月度金价回报率变动的主要因素。图11:GRAM模型显示2月份黄金收益率变动主要由利率变动解释资料来源:WGC(数据截至2024年3月7日)图12:GRAM模型因子拟合效果较好资料来源:WGC(数据截至2024年3月7日)图13:汇率和动量的变动是影响月度金价回报率变动的主要因素资料来源:WGC(数据截至2024年3月7日)、GARCH模型则在对未来金价的可预测性上进行较好补充我们同样认为短期金价受到金融属性的影响较大。根据黄金分析框架,我们从金融属性、货币属性、商品属性构建影响因子指标库,预期层面包括计价系数、机会成本、风险偏好、避险需求、通胀预期,同样为刻画金价收益率,我们使用同比数据进行建模。我们筛选指标对2004年12月以来月度黄金价格同比进行建模,原始数据不平稳,因此首先进行差分,先后通过了稳定性检验、多重共线性检验,模型虽然已经不存在自相关性,但是还存在条件异方差问题,因此我们用OLS模型作为均值方程,构建GARCH(1,1)模型。GARCH模型是在ARCH模型的基础上考虑了异方差函数的1阶自回归,以解决条件异方差问题。结果显示模型较好的解释了黄金价格的变化,模型解释力度达到42%。模型中较为显著的指标包括美元指数、美国10年期国债收益率、CU价格指数、标普500指数等。表2:GARCH黄金定量模型从可预测角度选择参数基本属性预期层面观测指标系数英文指标计算方式计价系数美元指数---、、\(1) ??2garch(1) ?? cons_1数据来源:开源证券研究所函数表达式为:????????????=??.???????.?????????????????.???????????????.????????????+??.????????????????+??.????????????????+??.????????????+????, ????~??(??,????)????=??.????+??.???????? +??.?????????? ????? ?????通过定量模型我们分析发现:美元指数对金价的影响力度最大,其次为Cu现货价格、美债收益率、标普500指数。在影响因子均显著的前提下,系数的绝对值大小代表了该因子对金价的影响力度,美元指数、CU现货价格、美国10年期国债收益率、标普500指数系数依次为-、、-、-。Cu的金融属性表现与黄金同涨同跌。长期来看,由于铜的金融属性,铜商品价格与黄金价格存在较强的正相关性,铜价上涨将有力的刺激金价的上涨。相比实际利率,美国10年期国债收益率对金价的解释力度更强。我们同时纳入了美国10年期TIPS收益率(代表实际利率)和美国10年期国债收益率,由于两者存在多重共线性,因此只能保留一个指标,后者R2数值更高,因此我们保留美国10年期国债收益率作为指标。金价天然存在上涨的动力。该指标为回归常数项,从长期来看,收入是推动黄金需求的关键因素之一,包括购买珠宝等实物需求推升黄金价格,在考虑了大部分因素之后,仍有一部分正收益无法解释。我们将正常数归因于上述收入和财富因素,即金价天然存在上涨的动力。图14:基于GARCH模型的金价预测706050403020100-10-20-302005-012005-072006-012006-072007-012007-072008-012008-072009-012009-072010-012010-072011-012011-072012-012012-072013-012013-072014-012014-072015-012015-072016-012016-072017-012017-072018-012018-072019-012019-072020-012020-072021-012021-072022-012022-072023-012023-072024-01-40gold(%) gold(E,%)数据来源:、研究所图15:基于GARCH模型的金价影响因子解释图20151050-5-10-152005-012005-082006-032006-102007-052007-122008-072009-022009-092010-042010-112011-062012-012012-082013-032013-102014-052014-122015-072016-022016-092017-042017-112018-062019-012019-082020-032020-102021-052021-122022-072023-022023-09-2020151050-5-10-15usd ty conf bp debt cu cons gold差分数据来源:研究所GRAM模型在预测未来金价方面指导意义较弱。世界黄金协会在解释模型时明确提到,GRAM旨在解释金价变动,并不是预测金价变动。我们认为究其原因,GRAM模型采用的指标过于复杂,例如,全球权益/债券资金流动、ETF资金流、联储资产等,尽管能够较好的刻画金价的影响因子,但是在预测未来金价时输入的变量过多,假设项过多,因此预测的稳定性较弱。